appvoid commited on
Commit
11861e3
·
verified ·
1 Parent(s): 0b92915

Upload folder using huggingface_hub

Browse files
added_tokens.json ADDED
@@ -0,0 +1,5 @@
 
 
 
 
 
 
1
+ {
2
+ "[BOS]": 32001,
3
+ "[EOS]": 32002,
4
+ "[PAD]": 32000
5
+ }
checkpoint-4218/config.json ADDED
@@ -0,0 +1,32 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "appvoid/arco-mini-run-5",
3
+ "architectures": [
4
+ "LlamaForCausalLM"
5
+ ],
6
+ "attention_bias": false,
7
+ "attention_dropout": 0.0,
8
+ "bos_token_id": 1,
9
+ "eos_token_id": 2,
10
+ "head_dim": 96,
11
+ "hidden_act": "silu",
12
+ "hidden_size": 1536,
13
+ "initializer_range": 0.02,
14
+ "intermediate_size": 3072,
15
+ "max_position_embeddings": 2048,
16
+ "mlp_bias": false,
17
+ "model_type": "llama",
18
+ "num_attention_heads": 8,
19
+ "num_hidden_layers": 8,
20
+ "num_key_value_heads": 8,
21
+ "pad_token_id": 0,
22
+ "pretraining_tp": 1,
23
+ "rms_norm_eps": 1e-05,
24
+ "rope_scaling": null,
25
+ "rope_theta": 100000,
26
+ "sliding_window": null,
27
+ "tie_word_embeddings": false,
28
+ "torch_dtype": "float32",
29
+ "transformers_version": "4.45.1",
30
+ "use_cache": true,
31
+ "vocab_size": 32003
32
+ }
checkpoint-4218/generation_config.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 1,
4
+ "eos_token_id": 2,
5
+ "pad_token_id": 0,
6
+ "transformers_version": "4.45.1"
7
+ }
checkpoint-4218/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9ed892552e4757b7d11b8ff1d74dc2449cf88d885f52872c693b3159f6d36b57
3
+ size 997345472
checkpoint-4218/optimizer.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ce50b63e3e3c18683454ee37a11561440eca8e7b734c5c88a05d11025d626acf
3
+ size 1994737722
checkpoint-4218/rng_state.pth ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:386fcc8cc1089aade9450d86fb239ea3483f455fd2d78d8378645feecfec9d69
3
+ size 14244
checkpoint-4218/scheduler.pt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9e1f9b966746dac160df707e9211e9209bb9e54cf18c6d8ce33924a240310f96
3
+ size 1064
checkpoint-4218/trainer_state.json ADDED
@@ -0,0 +1,2980 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": null,
3
+ "best_model_checkpoint": null,
4
+ "epoch": 0.9998222222222222,
5
+ "eval_steps": 5000,
6
+ "global_step": 4218,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.0023703703703703703,
13
+ "grad_norm": 0.542885959148407,
14
+ "learning_rate": 1.0000000000000002e-06,
15
+ "loss": 1.4997,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.004740740740740741,
20
+ "grad_norm": 0.44538265466690063,
21
+ "learning_rate": 2.0000000000000003e-06,
22
+ "loss": 1.4925,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.0071111111111111115,
27
+ "grad_norm": 0.4945567548274994,
28
+ "learning_rate": 3e-06,
29
+ "loss": 1.4985,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.009481481481481481,
34
+ "grad_norm": 0.4560663402080536,
35
+ "learning_rate": 4.000000000000001e-06,
36
+ "loss": 1.4031,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.011851851851851851,
41
+ "grad_norm": 0.4691298007965088,
42
+ "learning_rate": 5e-06,
43
+ "loss": 1.4175,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.014222222222222223,
48
+ "grad_norm": 0.44202300906181335,
49
+ "learning_rate": 6e-06,
50
+ "loss": 1.4337,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.016592592592592593,
55
+ "grad_norm": 0.5069476366043091,
56
+ "learning_rate": 7.000000000000001e-06,
57
+ "loss": 1.4629,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.018962962962962963,
62
+ "grad_norm": 0.4806945025920868,
63
+ "learning_rate": 8.000000000000001e-06,
64
+ "loss": 1.5706,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.021333333333333333,
69
+ "grad_norm": 0.5269841551780701,
70
+ "learning_rate": 9e-06,
71
+ "loss": 1.5625,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.023703703703703703,
76
+ "grad_norm": 0.37831586599349976,
77
+ "learning_rate": 1e-05,
78
+ "loss": 1.4083,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.026074074074074072,
83
+ "grad_norm": 0.442981094121933,
84
+ "learning_rate": 1.1000000000000001e-05,
85
+ "loss": 1.3799,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.028444444444444446,
90
+ "grad_norm": 0.47675761580467224,
91
+ "learning_rate": 1.2e-05,
92
+ "loss": 1.5356,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.030814814814814816,
97
+ "grad_norm": 0.5033993721008301,
98
+ "learning_rate": 1.3000000000000001e-05,
99
+ "loss": 1.504,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.033185185185185186,
104
+ "grad_norm": 0.4628155827522278,
105
+ "learning_rate": 1.4000000000000001e-05,
106
+ "loss": 1.3474,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.035555555555555556,
111
+ "grad_norm": 0.41637757420539856,
112
+ "learning_rate": 1.5e-05,
113
+ "loss": 1.4352,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.037925925925925925,
118
+ "grad_norm": 0.5029244422912598,
119
+ "learning_rate": 1.6000000000000003e-05,
120
+ "loss": 1.3224,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.040296296296296295,
125
+ "grad_norm": 0.6434731483459473,
126
+ "learning_rate": 1.7000000000000003e-05,
127
+ "loss": 1.5611,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.042666666666666665,
132
+ "grad_norm": 0.42424359917640686,
133
+ "learning_rate": 1.8e-05,
134
+ "loss": 1.4191,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.045037037037037035,
139
+ "grad_norm": 0.4729703962802887,
140
+ "learning_rate": 1.9e-05,
141
+ "loss": 1.3284,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.047407407407407405,
146
+ "grad_norm": 0.48806190490722656,
147
+ "learning_rate": 2e-05,
148
+ "loss": 1.48,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.049777777777777775,
153
+ "grad_norm": 0.4987320303916931,
154
+ "learning_rate": 2.1e-05,
155
+ "loss": 1.4535,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.052148148148148145,
160
+ "grad_norm": 0.46912866830825806,
161
+ "learning_rate": 2.2000000000000003e-05,
162
+ "loss": 1.4846,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.05451851851851852,
167
+ "grad_norm": 0.4369196593761444,
168
+ "learning_rate": 2.3000000000000003e-05,
169
+ "loss": 1.5564,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.05688888888888889,
174
+ "grad_norm": 0.48074963688850403,
175
+ "learning_rate": 2.4e-05,
176
+ "loss": 1.3142,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.05925925925925926,
181
+ "grad_norm": 0.450253427028656,
182
+ "learning_rate": 2.5e-05,
183
+ "loss": 1.3877,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.06162962962962963,
188
+ "grad_norm": 0.4517356753349304,
189
+ "learning_rate": 2.6000000000000002e-05,
190
+ "loss": 1.3969,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.064,
195
+ "grad_norm": 0.47781577706336975,
196
+ "learning_rate": 2.7000000000000002e-05,
197
+ "loss": 1.5352,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.06637037037037037,
202
+ "grad_norm": 0.5579633712768555,
203
+ "learning_rate": 2.8000000000000003e-05,
204
+ "loss": 1.5436,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.06874074074074074,
209
+ "grad_norm": 0.4838034510612488,
210
+ "learning_rate": 2.9e-05,
211
+ "loss": 1.3564,
212
+ "step": 290
213
+ },
214
+ {
215
+ "epoch": 0.07111111111111111,
216
+ "grad_norm": 0.5685828328132629,
217
+ "learning_rate": 3e-05,
218
+ "loss": 1.4429,
219
+ "step": 300
220
+ },
221
+ {
222
+ "epoch": 0.07348148148148148,
223
+ "grad_norm": 0.5230541229248047,
224
+ "learning_rate": 3.1e-05,
225
+ "loss": 1.3933,
226
+ "step": 310
227
+ },
228
+ {
229
+ "epoch": 0.07585185185185185,
230
+ "grad_norm": 0.45525529980659485,
231
+ "learning_rate": 3.2000000000000005e-05,
232
+ "loss": 1.4224,
233
+ "step": 320
234
+ },
235
+ {
236
+ "epoch": 0.07822222222222222,
237
+ "grad_norm": 0.47926583886146545,
238
+ "learning_rate": 3.3e-05,
239
+ "loss": 1.4466,
240
+ "step": 330
241
+ },
242
+ {
243
+ "epoch": 0.08059259259259259,
244
+ "grad_norm": 0.38689500093460083,
245
+ "learning_rate": 3.4000000000000007e-05,
246
+ "loss": 1.5105,
247
+ "step": 340
248
+ },
249
+ {
250
+ "epoch": 0.08296296296296296,
251
+ "grad_norm": 0.4488411843776703,
252
+ "learning_rate": 3.5e-05,
253
+ "loss": 1.3392,
254
+ "step": 350
255
+ },
256
+ {
257
+ "epoch": 0.08533333333333333,
258
+ "grad_norm": 0.5381152033805847,
259
+ "learning_rate": 3.6e-05,
260
+ "loss": 1.375,
261
+ "step": 360
262
+ },
263
+ {
264
+ "epoch": 0.0877037037037037,
265
+ "grad_norm": 0.5788478255271912,
266
+ "learning_rate": 3.7e-05,
267
+ "loss": 1.3522,
268
+ "step": 370
269
+ },
270
+ {
271
+ "epoch": 0.09007407407407407,
272
+ "grad_norm": 0.501133143901825,
273
+ "learning_rate": 3.8e-05,
274
+ "loss": 1.3294,
275
+ "step": 380
276
+ },
277
+ {
278
+ "epoch": 0.09244444444444444,
279
+ "grad_norm": 0.5300689935684204,
280
+ "learning_rate": 3.9000000000000006e-05,
281
+ "loss": 1.5623,
282
+ "step": 390
283
+ },
284
+ {
285
+ "epoch": 0.09481481481481481,
286
+ "grad_norm": 0.5409078001976013,
287
+ "learning_rate": 4e-05,
288
+ "loss": 1.4098,
289
+ "step": 400
290
+ },
291
+ {
292
+ "epoch": 0.09718518518518518,
293
+ "grad_norm": 0.5598166584968567,
294
+ "learning_rate": 4.1e-05,
295
+ "loss": 1.4104,
296
+ "step": 410
297
+ },
298
+ {
299
+ "epoch": 0.09955555555555555,
300
+ "grad_norm": 0.5656659603118896,
301
+ "learning_rate": 4.2e-05,
302
+ "loss": 1.3782,
303
+ "step": 420
304
+ },
305
+ {
306
+ "epoch": 0.10192592592592592,
307
+ "grad_norm": 0.5094364881515503,
308
+ "learning_rate": 4.3e-05,
309
+ "loss": 1.6233,
310
+ "step": 430
311
+ },
312
+ {
313
+ "epoch": 0.10429629629629629,
314
+ "grad_norm": 0.5540050268173218,
315
+ "learning_rate": 4.4000000000000006e-05,
316
+ "loss": 1.512,
317
+ "step": 440
318
+ },
319
+ {
320
+ "epoch": 0.10666666666666667,
321
+ "grad_norm": 0.5693063139915466,
322
+ "learning_rate": 4.5e-05,
323
+ "loss": 1.641,
324
+ "step": 450
325
+ },
326
+ {
327
+ "epoch": 0.10903703703703704,
328
+ "grad_norm": 0.5556958913803101,
329
+ "learning_rate": 4.600000000000001e-05,
330
+ "loss": 1.4532,
331
+ "step": 460
332
+ },
333
+ {
334
+ "epoch": 0.11140740740740741,
335
+ "grad_norm": 0.5052928924560547,
336
+ "learning_rate": 4.7e-05,
337
+ "loss": 1.4863,
338
+ "step": 470
339
+ },
340
+ {
341
+ "epoch": 0.11377777777777778,
342
+ "grad_norm": 0.5321051478385925,
343
+ "learning_rate": 4.8e-05,
344
+ "loss": 1.353,
345
+ "step": 480
346
+ },
347
+ {
348
+ "epoch": 0.11614814814814815,
349
+ "grad_norm": 0.658074140548706,
350
+ "learning_rate": 4.9e-05,
351
+ "loss": 1.563,
352
+ "step": 490
353
+ },
354
+ {
355
+ "epoch": 0.11851851851851852,
356
+ "grad_norm": 0.4817732870578766,
357
+ "learning_rate": 5e-05,
358
+ "loss": 1.5347,
359
+ "step": 500
360
+ },
361
+ {
362
+ "epoch": 0.12088888888888889,
363
+ "grad_norm": 0.6876205801963806,
364
+ "learning_rate": 4.9865519096288324e-05,
365
+ "loss": 1.6524,
366
+ "step": 510
367
+ },
368
+ {
369
+ "epoch": 0.12325925925925926,
370
+ "grad_norm": 0.5238626003265381,
371
+ "learning_rate": 4.973103819257665e-05,
372
+ "loss": 1.5766,
373
+ "step": 520
374
+ },
375
+ {
376
+ "epoch": 0.12562962962962962,
377
+ "grad_norm": 0.4588116705417633,
378
+ "learning_rate": 4.959655728886498e-05,
379
+ "loss": 1.4258,
380
+ "step": 530
381
+ },
382
+ {
383
+ "epoch": 0.128,
384
+ "grad_norm": 0.529692530632019,
385
+ "learning_rate": 4.946207638515331e-05,
386
+ "loss": 1.5574,
387
+ "step": 540
388
+ },
389
+ {
390
+ "epoch": 0.13037037037037036,
391
+ "grad_norm": 0.475524365901947,
392
+ "learning_rate": 4.932759548144163e-05,
393
+ "loss": 1.377,
394
+ "step": 550
395
+ },
396
+ {
397
+ "epoch": 0.13274074074074074,
398
+ "grad_norm": 0.48722413182258606,
399
+ "learning_rate": 4.919311457772996e-05,
400
+ "loss": 1.3156,
401
+ "step": 560
402
+ },
403
+ {
404
+ "epoch": 0.1351111111111111,
405
+ "grad_norm": 0.6309683322906494,
406
+ "learning_rate": 4.905863367401829e-05,
407
+ "loss": 1.5581,
408
+ "step": 570
409
+ },
410
+ {
411
+ "epoch": 0.13748148148148148,
412
+ "grad_norm": 0.5029247999191284,
413
+ "learning_rate": 4.892415277030662e-05,
414
+ "loss": 1.5968,
415
+ "step": 580
416
+ },
417
+ {
418
+ "epoch": 0.13985185185185184,
419
+ "grad_norm": 0.421310156583786,
420
+ "learning_rate": 4.878967186659494e-05,
421
+ "loss": 1.4881,
422
+ "step": 590
423
+ },
424
+ {
425
+ "epoch": 0.14222222222222222,
426
+ "grad_norm": 0.5082572102546692,
427
+ "learning_rate": 4.865519096288327e-05,
428
+ "loss": 1.6574,
429
+ "step": 600
430
+ },
431
+ {
432
+ "epoch": 0.1445925925925926,
433
+ "grad_norm": 0.5082793235778809,
434
+ "learning_rate": 4.85207100591716e-05,
435
+ "loss": 1.3606,
436
+ "step": 610
437
+ },
438
+ {
439
+ "epoch": 0.14696296296296296,
440
+ "grad_norm": 0.5169036388397217,
441
+ "learning_rate": 4.838622915545993e-05,
442
+ "loss": 1.4457,
443
+ "step": 620
444
+ },
445
+ {
446
+ "epoch": 0.14933333333333335,
447
+ "grad_norm": 0.5509771704673767,
448
+ "learning_rate": 4.825174825174825e-05,
449
+ "loss": 1.4754,
450
+ "step": 630
451
+ },
452
+ {
453
+ "epoch": 0.1517037037037037,
454
+ "grad_norm": 0.630851149559021,
455
+ "learning_rate": 4.811726734803658e-05,
456
+ "loss": 1.5453,
457
+ "step": 640
458
+ },
459
+ {
460
+ "epoch": 0.15407407407407409,
461
+ "grad_norm": 0.5343595147132874,
462
+ "learning_rate": 4.798278644432491e-05,
463
+ "loss": 1.4822,
464
+ "step": 650
465
+ },
466
+ {
467
+ "epoch": 0.15644444444444444,
468
+ "grad_norm": 0.5070016980171204,
469
+ "learning_rate": 4.7848305540613237e-05,
470
+ "loss": 1.3835,
471
+ "step": 660
472
+ },
473
+ {
474
+ "epoch": 0.15881481481481483,
475
+ "grad_norm": 0.6097332835197449,
476
+ "learning_rate": 4.771382463690156e-05,
477
+ "loss": 1.546,
478
+ "step": 670
479
+ },
480
+ {
481
+ "epoch": 0.16118518518518518,
482
+ "grad_norm": 0.5894319415092468,
483
+ "learning_rate": 4.757934373318989e-05,
484
+ "loss": 1.3605,
485
+ "step": 680
486
+ },
487
+ {
488
+ "epoch": 0.16355555555555557,
489
+ "grad_norm": 0.4879942238330841,
490
+ "learning_rate": 4.7444862829478216e-05,
491
+ "loss": 1.4391,
492
+ "step": 690
493
+ },
494
+ {
495
+ "epoch": 0.16592592592592592,
496
+ "grad_norm": 0.49390801787376404,
497
+ "learning_rate": 4.7310381925766545e-05,
498
+ "loss": 1.2228,
499
+ "step": 700
500
+ },
501
+ {
502
+ "epoch": 0.1682962962962963,
503
+ "grad_norm": 0.6193021535873413,
504
+ "learning_rate": 4.717590102205487e-05,
505
+ "loss": 1.7474,
506
+ "step": 710
507
+ },
508
+ {
509
+ "epoch": 0.17066666666666666,
510
+ "grad_norm": 0.4410654604434967,
511
+ "learning_rate": 4.7041420118343196e-05,
512
+ "loss": 1.4255,
513
+ "step": 720
514
+ },
515
+ {
516
+ "epoch": 0.17303703703703704,
517
+ "grad_norm": 0.5690642595291138,
518
+ "learning_rate": 4.6906939214631525e-05,
519
+ "loss": 1.4252,
520
+ "step": 730
521
+ },
522
+ {
523
+ "epoch": 0.1754074074074074,
524
+ "grad_norm": 0.4561966359615326,
525
+ "learning_rate": 4.6772458310919854e-05,
526
+ "loss": 1.4214,
527
+ "step": 740
528
+ },
529
+ {
530
+ "epoch": 0.17777777777777778,
531
+ "grad_norm": 0.5871363282203674,
532
+ "learning_rate": 4.6637977407208176e-05,
533
+ "loss": 1.5272,
534
+ "step": 750
535
+ },
536
+ {
537
+ "epoch": 0.18014814814814814,
538
+ "grad_norm": 0.5293774604797363,
539
+ "learning_rate": 4.6503496503496505e-05,
540
+ "loss": 1.5507,
541
+ "step": 760
542
+ },
543
+ {
544
+ "epoch": 0.18251851851851852,
545
+ "grad_norm": 0.483826220035553,
546
+ "learning_rate": 4.636901559978483e-05,
547
+ "loss": 1.4058,
548
+ "step": 770
549
+ },
550
+ {
551
+ "epoch": 0.18488888888888888,
552
+ "grad_norm": 0.551902174949646,
553
+ "learning_rate": 4.623453469607316e-05,
554
+ "loss": 1.3707,
555
+ "step": 780
556
+ },
557
+ {
558
+ "epoch": 0.18725925925925926,
559
+ "grad_norm": 0.5492023825645447,
560
+ "learning_rate": 4.6100053792361484e-05,
561
+ "loss": 1.4901,
562
+ "step": 790
563
+ },
564
+ {
565
+ "epoch": 0.18962962962962962,
566
+ "grad_norm": 0.5409772396087646,
567
+ "learning_rate": 4.596557288864981e-05,
568
+ "loss": 1.6356,
569
+ "step": 800
570
+ },
571
+ {
572
+ "epoch": 0.192,
573
+ "grad_norm": 0.5469648838043213,
574
+ "learning_rate": 4.583109198493814e-05,
575
+ "loss": 1.4574,
576
+ "step": 810
577
+ },
578
+ {
579
+ "epoch": 0.19437037037037036,
580
+ "grad_norm": 0.5523713827133179,
581
+ "learning_rate": 4.569661108122647e-05,
582
+ "loss": 1.5304,
583
+ "step": 820
584
+ },
585
+ {
586
+ "epoch": 0.19674074074074074,
587
+ "grad_norm": 0.4884456992149353,
588
+ "learning_rate": 4.556213017751479e-05,
589
+ "loss": 1.4173,
590
+ "step": 830
591
+ },
592
+ {
593
+ "epoch": 0.1991111111111111,
594
+ "grad_norm": 0.5865374803543091,
595
+ "learning_rate": 4.542764927380312e-05,
596
+ "loss": 1.4178,
597
+ "step": 840
598
+ },
599
+ {
600
+ "epoch": 0.20148148148148148,
601
+ "grad_norm": 0.5571750402450562,
602
+ "learning_rate": 4.529316837009145e-05,
603
+ "loss": 1.5356,
604
+ "step": 850
605
+ },
606
+ {
607
+ "epoch": 0.20385185185185184,
608
+ "grad_norm": 0.567616879940033,
609
+ "learning_rate": 4.515868746637978e-05,
610
+ "loss": 1.4496,
611
+ "step": 860
612
+ },
613
+ {
614
+ "epoch": 0.20622222222222222,
615
+ "grad_norm": 0.5077497959136963,
616
+ "learning_rate": 4.50242065626681e-05,
617
+ "loss": 1.4757,
618
+ "step": 870
619
+ },
620
+ {
621
+ "epoch": 0.20859259259259258,
622
+ "grad_norm": 0.5118802189826965,
623
+ "learning_rate": 4.488972565895643e-05,
624
+ "loss": 1.3845,
625
+ "step": 880
626
+ },
627
+ {
628
+ "epoch": 0.21096296296296296,
629
+ "grad_norm": 0.43292248249053955,
630
+ "learning_rate": 4.475524475524476e-05,
631
+ "loss": 1.421,
632
+ "step": 890
633
+ },
634
+ {
635
+ "epoch": 0.21333333333333335,
636
+ "grad_norm": 0.5365243554115295,
637
+ "learning_rate": 4.462076385153308e-05,
638
+ "loss": 1.4586,
639
+ "step": 900
640
+ },
641
+ {
642
+ "epoch": 0.2157037037037037,
643
+ "grad_norm": 0.4912022054195404,
644
+ "learning_rate": 4.448628294782141e-05,
645
+ "loss": 1.5385,
646
+ "step": 910
647
+ },
648
+ {
649
+ "epoch": 0.2180740740740741,
650
+ "grad_norm": 0.5855193734169006,
651
+ "learning_rate": 4.435180204410974e-05,
652
+ "loss": 1.5718,
653
+ "step": 920
654
+ },
655
+ {
656
+ "epoch": 0.22044444444444444,
657
+ "grad_norm": 0.5224360227584839,
658
+ "learning_rate": 4.421732114039807e-05,
659
+ "loss": 1.3853,
660
+ "step": 930
661
+ },
662
+ {
663
+ "epoch": 0.22281481481481483,
664
+ "grad_norm": 0.4283509850502014,
665
+ "learning_rate": 4.408284023668639e-05,
666
+ "loss": 1.3758,
667
+ "step": 940
668
+ },
669
+ {
670
+ "epoch": 0.22518518518518518,
671
+ "grad_norm": 0.44806018471717834,
672
+ "learning_rate": 4.394835933297472e-05,
673
+ "loss": 1.4089,
674
+ "step": 950
675
+ },
676
+ {
677
+ "epoch": 0.22755555555555557,
678
+ "grad_norm": 0.4234403967857361,
679
+ "learning_rate": 4.381387842926305e-05,
680
+ "loss": 1.321,
681
+ "step": 960
682
+ },
683
+ {
684
+ "epoch": 0.22992592592592592,
685
+ "grad_norm": 0.45570847392082214,
686
+ "learning_rate": 4.3679397525551376e-05,
687
+ "loss": 1.384,
688
+ "step": 970
689
+ },
690
+ {
691
+ "epoch": 0.2322962962962963,
692
+ "grad_norm": 0.6098482608795166,
693
+ "learning_rate": 4.35449166218397e-05,
694
+ "loss": 1.5165,
695
+ "step": 980
696
+ },
697
+ {
698
+ "epoch": 0.23466666666666666,
699
+ "grad_norm": 0.47981974482536316,
700
+ "learning_rate": 4.341043571812803e-05,
701
+ "loss": 1.4827,
702
+ "step": 990
703
+ },
704
+ {
705
+ "epoch": 0.23703703703703705,
706
+ "grad_norm": 0.567845344543457,
707
+ "learning_rate": 4.3275954814416356e-05,
708
+ "loss": 1.4494,
709
+ "step": 1000
710
+ },
711
+ {
712
+ "epoch": 0.2394074074074074,
713
+ "grad_norm": 0.5508958697319031,
714
+ "learning_rate": 4.3141473910704685e-05,
715
+ "loss": 1.5681,
716
+ "step": 1010
717
+ },
718
+ {
719
+ "epoch": 0.24177777777777779,
720
+ "grad_norm": 0.6119508743286133,
721
+ "learning_rate": 4.300699300699301e-05,
722
+ "loss": 1.4522,
723
+ "step": 1020
724
+ },
725
+ {
726
+ "epoch": 0.24414814814814814,
727
+ "grad_norm": 0.654909074306488,
728
+ "learning_rate": 4.2872512103281336e-05,
729
+ "loss": 1.6317,
730
+ "step": 1030
731
+ },
732
+ {
733
+ "epoch": 0.24651851851851853,
734
+ "grad_norm": 0.5818801522254944,
735
+ "learning_rate": 4.2738031199569664e-05,
736
+ "loss": 1.4917,
737
+ "step": 1040
738
+ },
739
+ {
740
+ "epoch": 0.24888888888888888,
741
+ "grad_norm": 0.5295186638832092,
742
+ "learning_rate": 4.260355029585799e-05,
743
+ "loss": 1.6393,
744
+ "step": 1050
745
+ },
746
+ {
747
+ "epoch": 0.25125925925925924,
748
+ "grad_norm": 0.5558478832244873,
749
+ "learning_rate": 4.2469069392146315e-05,
750
+ "loss": 1.5607,
751
+ "step": 1060
752
+ },
753
+ {
754
+ "epoch": 0.25362962962962965,
755
+ "grad_norm": 0.5266067385673523,
756
+ "learning_rate": 4.2334588488434644e-05,
757
+ "loss": 1.4366,
758
+ "step": 1070
759
+ },
760
+ {
761
+ "epoch": 0.256,
762
+ "grad_norm": 0.4949641823768616,
763
+ "learning_rate": 4.220010758472297e-05,
764
+ "loss": 1.4392,
765
+ "step": 1080
766
+ },
767
+ {
768
+ "epoch": 0.25837037037037036,
769
+ "grad_norm": 0.48148399591445923,
770
+ "learning_rate": 4.20656266810113e-05,
771
+ "loss": 1.5301,
772
+ "step": 1090
773
+ },
774
+ {
775
+ "epoch": 0.2607407407407407,
776
+ "grad_norm": 0.5564059615135193,
777
+ "learning_rate": 4.1931145777299624e-05,
778
+ "loss": 1.3645,
779
+ "step": 1100
780
+ },
781
+ {
782
+ "epoch": 0.26311111111111113,
783
+ "grad_norm": 0.6419994235038757,
784
+ "learning_rate": 4.179666487358795e-05,
785
+ "loss": 1.4543,
786
+ "step": 1110
787
+ },
788
+ {
789
+ "epoch": 0.2654814814814815,
790
+ "grad_norm": 0.5205827355384827,
791
+ "learning_rate": 4.166218396987628e-05,
792
+ "loss": 1.5358,
793
+ "step": 1120
794
+ },
795
+ {
796
+ "epoch": 0.26785185185185184,
797
+ "grad_norm": 0.45430988073349,
798
+ "learning_rate": 4.152770306616461e-05,
799
+ "loss": 1.5483,
800
+ "step": 1130
801
+ },
802
+ {
803
+ "epoch": 0.2702222222222222,
804
+ "grad_norm": 0.5467645525932312,
805
+ "learning_rate": 4.139322216245293e-05,
806
+ "loss": 1.4702,
807
+ "step": 1140
808
+ },
809
+ {
810
+ "epoch": 0.2725925925925926,
811
+ "grad_norm": 0.47259363532066345,
812
+ "learning_rate": 4.125874125874126e-05,
813
+ "loss": 1.451,
814
+ "step": 1150
815
+ },
816
+ {
817
+ "epoch": 0.27496296296296296,
818
+ "grad_norm": 0.48951438069343567,
819
+ "learning_rate": 4.112426035502959e-05,
820
+ "loss": 1.4095,
821
+ "step": 1160
822
+ },
823
+ {
824
+ "epoch": 0.2773333333333333,
825
+ "grad_norm": 0.601701021194458,
826
+ "learning_rate": 4.098977945131792e-05,
827
+ "loss": 1.6848,
828
+ "step": 1170
829
+ },
830
+ {
831
+ "epoch": 0.2797037037037037,
832
+ "grad_norm": 0.5379857420921326,
833
+ "learning_rate": 4.085529854760624e-05,
834
+ "loss": 1.3598,
835
+ "step": 1180
836
+ },
837
+ {
838
+ "epoch": 0.2820740740740741,
839
+ "grad_norm": 0.6498066186904907,
840
+ "learning_rate": 4.072081764389457e-05,
841
+ "loss": 1.4655,
842
+ "step": 1190
843
+ },
844
+ {
845
+ "epoch": 0.28444444444444444,
846
+ "grad_norm": 0.5294344425201416,
847
+ "learning_rate": 4.05863367401829e-05,
848
+ "loss": 1.3851,
849
+ "step": 1200
850
+ },
851
+ {
852
+ "epoch": 0.2868148148148148,
853
+ "grad_norm": 0.5410310626029968,
854
+ "learning_rate": 4.045185583647123e-05,
855
+ "loss": 1.5091,
856
+ "step": 1210
857
+ },
858
+ {
859
+ "epoch": 0.2891851851851852,
860
+ "grad_norm": 0.5395278334617615,
861
+ "learning_rate": 4.031737493275955e-05,
862
+ "loss": 1.3487,
863
+ "step": 1220
864
+ },
865
+ {
866
+ "epoch": 0.29155555555555557,
867
+ "grad_norm": 0.637909471988678,
868
+ "learning_rate": 4.018289402904788e-05,
869
+ "loss": 1.5848,
870
+ "step": 1230
871
+ },
872
+ {
873
+ "epoch": 0.2939259259259259,
874
+ "grad_norm": 0.4254130721092224,
875
+ "learning_rate": 4.004841312533621e-05,
876
+ "loss": 1.4186,
877
+ "step": 1240
878
+ },
879
+ {
880
+ "epoch": 0.2962962962962963,
881
+ "grad_norm": 0.5799821019172668,
882
+ "learning_rate": 3.9913932221624536e-05,
883
+ "loss": 1.4289,
884
+ "step": 1250
885
+ },
886
+ {
887
+ "epoch": 0.2986666666666667,
888
+ "grad_norm": 0.43250229954719543,
889
+ "learning_rate": 3.977945131791286e-05,
890
+ "loss": 1.5458,
891
+ "step": 1260
892
+ },
893
+ {
894
+ "epoch": 0.30103703703703705,
895
+ "grad_norm": 0.4722803831100464,
896
+ "learning_rate": 3.964497041420119e-05,
897
+ "loss": 1.4716,
898
+ "step": 1270
899
+ },
900
+ {
901
+ "epoch": 0.3034074074074074,
902
+ "grad_norm": 0.5686700940132141,
903
+ "learning_rate": 3.9510489510489516e-05,
904
+ "loss": 1.6452,
905
+ "step": 1280
906
+ },
907
+ {
908
+ "epoch": 0.30577777777777776,
909
+ "grad_norm": 0.493028461933136,
910
+ "learning_rate": 3.9376008606777844e-05,
911
+ "loss": 1.4516,
912
+ "step": 1290
913
+ },
914
+ {
915
+ "epoch": 0.30814814814814817,
916
+ "grad_norm": 0.5100602507591248,
917
+ "learning_rate": 3.9241527703066166e-05,
918
+ "loss": 1.3366,
919
+ "step": 1300
920
+ },
921
+ {
922
+ "epoch": 0.3105185185185185,
923
+ "grad_norm": 0.6535771489143372,
924
+ "learning_rate": 3.910704679935449e-05,
925
+ "loss": 1.4312,
926
+ "step": 1310
927
+ },
928
+ {
929
+ "epoch": 0.3128888888888889,
930
+ "grad_norm": 0.48823079466819763,
931
+ "learning_rate": 3.8972565895642824e-05,
932
+ "loss": 1.4888,
933
+ "step": 1320
934
+ },
935
+ {
936
+ "epoch": 0.31525925925925924,
937
+ "grad_norm": 0.4459994435310364,
938
+ "learning_rate": 3.8838084991931146e-05,
939
+ "loss": 1.4637,
940
+ "step": 1330
941
+ },
942
+ {
943
+ "epoch": 0.31762962962962965,
944
+ "grad_norm": 0.5344628691673279,
945
+ "learning_rate": 3.8703604088219475e-05,
946
+ "loss": 1.6118,
947
+ "step": 1340
948
+ },
949
+ {
950
+ "epoch": 0.32,
951
+ "grad_norm": 0.44893643260002136,
952
+ "learning_rate": 3.85691231845078e-05,
953
+ "loss": 1.4521,
954
+ "step": 1350
955
+ },
956
+ {
957
+ "epoch": 0.32237037037037036,
958
+ "grad_norm": 0.4381811022758484,
959
+ "learning_rate": 3.8434642280796126e-05,
960
+ "loss": 1.5751,
961
+ "step": 1360
962
+ },
963
+ {
964
+ "epoch": 0.3247407407407407,
965
+ "grad_norm": 0.5791207551956177,
966
+ "learning_rate": 3.8300161377084455e-05,
967
+ "loss": 1.5563,
968
+ "step": 1370
969
+ },
970
+ {
971
+ "epoch": 0.32711111111111113,
972
+ "grad_norm": 0.5584151148796082,
973
+ "learning_rate": 3.8165680473372784e-05,
974
+ "loss": 1.3673,
975
+ "step": 1380
976
+ },
977
+ {
978
+ "epoch": 0.3294814814814815,
979
+ "grad_norm": 0.6110686659812927,
980
+ "learning_rate": 3.8031199569661106e-05,
981
+ "loss": 1.5949,
982
+ "step": 1390
983
+ },
984
+ {
985
+ "epoch": 0.33185185185185184,
986
+ "grad_norm": 0.5519852638244629,
987
+ "learning_rate": 3.7896718665949434e-05,
988
+ "loss": 1.5133,
989
+ "step": 1400
990
+ },
991
+ {
992
+ "epoch": 0.3342222222222222,
993
+ "grad_norm": 0.5732788443565369,
994
+ "learning_rate": 3.776223776223776e-05,
995
+ "loss": 1.4601,
996
+ "step": 1410
997
+ },
998
+ {
999
+ "epoch": 0.3365925925925926,
1000
+ "grad_norm": 0.5789920091629028,
1001
+ "learning_rate": 3.762775685852609e-05,
1002
+ "loss": 1.6461,
1003
+ "step": 1420
1004
+ },
1005
+ {
1006
+ "epoch": 0.33896296296296297,
1007
+ "grad_norm": 0.592776358127594,
1008
+ "learning_rate": 3.7493275954814414e-05,
1009
+ "loss": 1.5558,
1010
+ "step": 1430
1011
+ },
1012
+ {
1013
+ "epoch": 0.3413333333333333,
1014
+ "grad_norm": 0.5435842871665955,
1015
+ "learning_rate": 3.735879505110274e-05,
1016
+ "loss": 1.5095,
1017
+ "step": 1440
1018
+ },
1019
+ {
1020
+ "epoch": 0.3437037037037037,
1021
+ "grad_norm": 0.6474444270133972,
1022
+ "learning_rate": 3.722431414739107e-05,
1023
+ "loss": 1.429,
1024
+ "step": 1450
1025
+ },
1026
+ {
1027
+ "epoch": 0.3460740740740741,
1028
+ "grad_norm": 0.4926964342594147,
1029
+ "learning_rate": 3.70898332436794e-05,
1030
+ "loss": 1.4543,
1031
+ "step": 1460
1032
+ },
1033
+ {
1034
+ "epoch": 0.34844444444444445,
1035
+ "grad_norm": 0.5748719573020935,
1036
+ "learning_rate": 3.695535233996772e-05,
1037
+ "loss": 1.5844,
1038
+ "step": 1470
1039
+ },
1040
+ {
1041
+ "epoch": 0.3508148148148148,
1042
+ "grad_norm": 0.5535377264022827,
1043
+ "learning_rate": 3.682087143625605e-05,
1044
+ "loss": 1.5348,
1045
+ "step": 1480
1046
+ },
1047
+ {
1048
+ "epoch": 0.35318518518518516,
1049
+ "grad_norm": 0.4644632339477539,
1050
+ "learning_rate": 3.668639053254438e-05,
1051
+ "loss": 1.3157,
1052
+ "step": 1490
1053
+ },
1054
+ {
1055
+ "epoch": 0.35555555555555557,
1056
+ "grad_norm": 0.5858569145202637,
1057
+ "learning_rate": 3.655190962883271e-05,
1058
+ "loss": 1.4678,
1059
+ "step": 1500
1060
+ },
1061
+ {
1062
+ "epoch": 0.3579259259259259,
1063
+ "grad_norm": 0.5428529381752014,
1064
+ "learning_rate": 3.641742872512103e-05,
1065
+ "loss": 1.5561,
1066
+ "step": 1510
1067
+ },
1068
+ {
1069
+ "epoch": 0.3602962962962963,
1070
+ "grad_norm": 0.5255948901176453,
1071
+ "learning_rate": 3.628294782140936e-05,
1072
+ "loss": 1.5802,
1073
+ "step": 1520
1074
+ },
1075
+ {
1076
+ "epoch": 0.3626666666666667,
1077
+ "grad_norm": 0.534137487411499,
1078
+ "learning_rate": 3.614846691769769e-05,
1079
+ "loss": 1.5142,
1080
+ "step": 1530
1081
+ },
1082
+ {
1083
+ "epoch": 0.36503703703703705,
1084
+ "grad_norm": 0.5558648705482483,
1085
+ "learning_rate": 3.601398601398602e-05,
1086
+ "loss": 1.5613,
1087
+ "step": 1540
1088
+ },
1089
+ {
1090
+ "epoch": 0.3674074074074074,
1091
+ "grad_norm": 0.5890410542488098,
1092
+ "learning_rate": 3.587950511027434e-05,
1093
+ "loss": 1.4679,
1094
+ "step": 1550
1095
+ },
1096
+ {
1097
+ "epoch": 0.36977777777777776,
1098
+ "grad_norm": 0.4830753803253174,
1099
+ "learning_rate": 3.574502420656267e-05,
1100
+ "loss": 1.4698,
1101
+ "step": 1560
1102
+ },
1103
+ {
1104
+ "epoch": 0.3721481481481482,
1105
+ "grad_norm": 0.5191047787666321,
1106
+ "learning_rate": 3.5610543302851e-05,
1107
+ "loss": 1.528,
1108
+ "step": 1570
1109
+ },
1110
+ {
1111
+ "epoch": 0.37451851851851853,
1112
+ "grad_norm": 0.5316727161407471,
1113
+ "learning_rate": 3.5476062399139326e-05,
1114
+ "loss": 1.4427,
1115
+ "step": 1580
1116
+ },
1117
+ {
1118
+ "epoch": 0.3768888888888889,
1119
+ "grad_norm": 0.553815484046936,
1120
+ "learning_rate": 3.534158149542765e-05,
1121
+ "loss": 1.548,
1122
+ "step": 1590
1123
+ },
1124
+ {
1125
+ "epoch": 0.37925925925925924,
1126
+ "grad_norm": 0.47779569029808044,
1127
+ "learning_rate": 3.520710059171598e-05,
1128
+ "loss": 1.4533,
1129
+ "step": 1600
1130
+ },
1131
+ {
1132
+ "epoch": 0.38162962962962965,
1133
+ "grad_norm": 0.5595371127128601,
1134
+ "learning_rate": 3.5072619688004306e-05,
1135
+ "loss": 1.4503,
1136
+ "step": 1610
1137
+ },
1138
+ {
1139
+ "epoch": 0.384,
1140
+ "grad_norm": 0.5166143774986267,
1141
+ "learning_rate": 3.4938138784292635e-05,
1142
+ "loss": 1.3783,
1143
+ "step": 1620
1144
+ },
1145
+ {
1146
+ "epoch": 0.38637037037037036,
1147
+ "grad_norm": 0.6249716877937317,
1148
+ "learning_rate": 3.480365788058096e-05,
1149
+ "loss": 1.4494,
1150
+ "step": 1630
1151
+ },
1152
+ {
1153
+ "epoch": 0.3887407407407407,
1154
+ "grad_norm": 0.484937846660614,
1155
+ "learning_rate": 3.4669176976869286e-05,
1156
+ "loss": 1.421,
1157
+ "step": 1640
1158
+ },
1159
+ {
1160
+ "epoch": 0.39111111111111113,
1161
+ "grad_norm": 0.5464750528335571,
1162
+ "learning_rate": 3.4534696073157615e-05,
1163
+ "loss": 1.266,
1164
+ "step": 1650
1165
+ },
1166
+ {
1167
+ "epoch": 0.3934814814814815,
1168
+ "grad_norm": 0.48874956369400024,
1169
+ "learning_rate": 3.440021516944594e-05,
1170
+ "loss": 1.5355,
1171
+ "step": 1660
1172
+ },
1173
+ {
1174
+ "epoch": 0.39585185185185184,
1175
+ "grad_norm": 0.47555652260780334,
1176
+ "learning_rate": 3.4265734265734265e-05,
1177
+ "loss": 1.5799,
1178
+ "step": 1670
1179
+ },
1180
+ {
1181
+ "epoch": 0.3982222222222222,
1182
+ "grad_norm": 0.49769505858421326,
1183
+ "learning_rate": 3.4131253362022594e-05,
1184
+ "loss": 1.3748,
1185
+ "step": 1680
1186
+ },
1187
+ {
1188
+ "epoch": 0.4005925925925926,
1189
+ "grad_norm": 0.4664982259273529,
1190
+ "learning_rate": 3.399677245831092e-05,
1191
+ "loss": 1.4894,
1192
+ "step": 1690
1193
+ },
1194
+ {
1195
+ "epoch": 0.40296296296296297,
1196
+ "grad_norm": 0.5216518044471741,
1197
+ "learning_rate": 3.3862291554599245e-05,
1198
+ "loss": 1.4645,
1199
+ "step": 1700
1200
+ },
1201
+ {
1202
+ "epoch": 0.4053333333333333,
1203
+ "grad_norm": 0.6157680749893188,
1204
+ "learning_rate": 3.3727810650887574e-05,
1205
+ "loss": 1.4002,
1206
+ "step": 1710
1207
+ },
1208
+ {
1209
+ "epoch": 0.4077037037037037,
1210
+ "grad_norm": 0.5828937888145447,
1211
+ "learning_rate": 3.35933297471759e-05,
1212
+ "loss": 1.4816,
1213
+ "step": 1720
1214
+ },
1215
+ {
1216
+ "epoch": 0.4100740740740741,
1217
+ "grad_norm": 0.5792407989501953,
1218
+ "learning_rate": 3.345884884346423e-05,
1219
+ "loss": 1.3557,
1220
+ "step": 1730
1221
+ },
1222
+ {
1223
+ "epoch": 0.41244444444444445,
1224
+ "grad_norm": 0.4985092580318451,
1225
+ "learning_rate": 3.3324367939752554e-05,
1226
+ "loss": 1.4572,
1227
+ "step": 1740
1228
+ },
1229
+ {
1230
+ "epoch": 0.4148148148148148,
1231
+ "grad_norm": 0.5901199579238892,
1232
+ "learning_rate": 3.318988703604088e-05,
1233
+ "loss": 1.5292,
1234
+ "step": 1750
1235
+ },
1236
+ {
1237
+ "epoch": 0.41718518518518516,
1238
+ "grad_norm": 0.5087295174598694,
1239
+ "learning_rate": 3.305540613232921e-05,
1240
+ "loss": 1.3405,
1241
+ "step": 1760
1242
+ },
1243
+ {
1244
+ "epoch": 0.41955555555555557,
1245
+ "grad_norm": 0.5455463528633118,
1246
+ "learning_rate": 3.292092522861754e-05,
1247
+ "loss": 1.4262,
1248
+ "step": 1770
1249
+ },
1250
+ {
1251
+ "epoch": 0.4219259259259259,
1252
+ "grad_norm": 0.46563345193862915,
1253
+ "learning_rate": 3.278644432490586e-05,
1254
+ "loss": 1.4328,
1255
+ "step": 1780
1256
+ },
1257
+ {
1258
+ "epoch": 0.4242962962962963,
1259
+ "grad_norm": 0.545524537563324,
1260
+ "learning_rate": 3.265196342119419e-05,
1261
+ "loss": 1.4826,
1262
+ "step": 1790
1263
+ },
1264
+ {
1265
+ "epoch": 0.4266666666666667,
1266
+ "grad_norm": 0.4182009994983673,
1267
+ "learning_rate": 3.251748251748252e-05,
1268
+ "loss": 1.4909,
1269
+ "step": 1800
1270
+ },
1271
+ {
1272
+ "epoch": 0.42903703703703705,
1273
+ "grad_norm": 0.39127054810523987,
1274
+ "learning_rate": 3.238300161377085e-05,
1275
+ "loss": 1.4389,
1276
+ "step": 1810
1277
+ },
1278
+ {
1279
+ "epoch": 0.4314074074074074,
1280
+ "grad_norm": 0.46866652369499207,
1281
+ "learning_rate": 3.224852071005917e-05,
1282
+ "loss": 1.3992,
1283
+ "step": 1820
1284
+ },
1285
+ {
1286
+ "epoch": 0.43377777777777776,
1287
+ "grad_norm": 0.5216823816299438,
1288
+ "learning_rate": 3.21140398063475e-05,
1289
+ "loss": 1.3525,
1290
+ "step": 1830
1291
+ },
1292
+ {
1293
+ "epoch": 0.4361481481481482,
1294
+ "grad_norm": 0.49909713864326477,
1295
+ "learning_rate": 3.197955890263583e-05,
1296
+ "loss": 1.5491,
1297
+ "step": 1840
1298
+ },
1299
+ {
1300
+ "epoch": 0.43851851851851853,
1301
+ "grad_norm": 0.4957892596721649,
1302
+ "learning_rate": 3.184507799892416e-05,
1303
+ "loss": 1.4723,
1304
+ "step": 1850
1305
+ },
1306
+ {
1307
+ "epoch": 0.4408888888888889,
1308
+ "grad_norm": 0.518822431564331,
1309
+ "learning_rate": 3.171059709521248e-05,
1310
+ "loss": 1.535,
1311
+ "step": 1860
1312
+ },
1313
+ {
1314
+ "epoch": 0.44325925925925924,
1315
+ "grad_norm": 0.6380564570426941,
1316
+ "learning_rate": 3.157611619150081e-05,
1317
+ "loss": 1.5652,
1318
+ "step": 1870
1319
+ },
1320
+ {
1321
+ "epoch": 0.44562962962962965,
1322
+ "grad_norm": 0.49906617403030396,
1323
+ "learning_rate": 3.144163528778914e-05,
1324
+ "loss": 1.3624,
1325
+ "step": 1880
1326
+ },
1327
+ {
1328
+ "epoch": 0.448,
1329
+ "grad_norm": 0.5234742760658264,
1330
+ "learning_rate": 3.1307154384077466e-05,
1331
+ "loss": 1.4192,
1332
+ "step": 1890
1333
+ },
1334
+ {
1335
+ "epoch": 0.45037037037037037,
1336
+ "grad_norm": 0.5430870056152344,
1337
+ "learning_rate": 3.117267348036579e-05,
1338
+ "loss": 1.4674,
1339
+ "step": 1900
1340
+ },
1341
+ {
1342
+ "epoch": 0.4527407407407407,
1343
+ "grad_norm": 0.5488291382789612,
1344
+ "learning_rate": 3.103819257665412e-05,
1345
+ "loss": 1.4759,
1346
+ "step": 1910
1347
+ },
1348
+ {
1349
+ "epoch": 0.45511111111111113,
1350
+ "grad_norm": 0.4655541181564331,
1351
+ "learning_rate": 3.0903711672942446e-05,
1352
+ "loss": 1.4559,
1353
+ "step": 1920
1354
+ },
1355
+ {
1356
+ "epoch": 0.4574814814814815,
1357
+ "grad_norm": 0.442128449678421,
1358
+ "learning_rate": 3.0769230769230774e-05,
1359
+ "loss": 1.3129,
1360
+ "step": 1930
1361
+ },
1362
+ {
1363
+ "epoch": 0.45985185185185184,
1364
+ "grad_norm": 0.5909174084663391,
1365
+ "learning_rate": 3.0634749865519096e-05,
1366
+ "loss": 1.5915,
1367
+ "step": 1940
1368
+ },
1369
+ {
1370
+ "epoch": 0.4622222222222222,
1371
+ "grad_norm": 0.41102078557014465,
1372
+ "learning_rate": 3.0500268961807425e-05,
1373
+ "loss": 1.3717,
1374
+ "step": 1950
1375
+ },
1376
+ {
1377
+ "epoch": 0.4645925925925926,
1378
+ "grad_norm": 0.5467662811279297,
1379
+ "learning_rate": 3.036578805809575e-05,
1380
+ "loss": 1.4838,
1381
+ "step": 1960
1382
+ },
1383
+ {
1384
+ "epoch": 0.46696296296296297,
1385
+ "grad_norm": 0.6555057764053345,
1386
+ "learning_rate": 3.023130715438408e-05,
1387
+ "loss": 1.4289,
1388
+ "step": 1970
1389
+ },
1390
+ {
1391
+ "epoch": 0.4693333333333333,
1392
+ "grad_norm": 0.4430755078792572,
1393
+ "learning_rate": 3.0096826250672405e-05,
1394
+ "loss": 1.5556,
1395
+ "step": 1980
1396
+ },
1397
+ {
1398
+ "epoch": 0.4717037037037037,
1399
+ "grad_norm": 0.48016276955604553,
1400
+ "learning_rate": 2.9962345346960734e-05,
1401
+ "loss": 1.5461,
1402
+ "step": 1990
1403
+ },
1404
+ {
1405
+ "epoch": 0.4740740740740741,
1406
+ "grad_norm": 0.5283887982368469,
1407
+ "learning_rate": 2.982786444324906e-05,
1408
+ "loss": 1.4598,
1409
+ "step": 2000
1410
+ },
1411
+ {
1412
+ "epoch": 0.47644444444444445,
1413
+ "grad_norm": 0.5336430668830872,
1414
+ "learning_rate": 2.9693383539537388e-05,
1415
+ "loss": 1.5837,
1416
+ "step": 2010
1417
+ },
1418
+ {
1419
+ "epoch": 0.4788148148148148,
1420
+ "grad_norm": 0.39814135432243347,
1421
+ "learning_rate": 2.9558902635825713e-05,
1422
+ "loss": 1.3496,
1423
+ "step": 2020
1424
+ },
1425
+ {
1426
+ "epoch": 0.48118518518518516,
1427
+ "grad_norm": 0.6095125079154968,
1428
+ "learning_rate": 2.9424421732114042e-05,
1429
+ "loss": 1.5925,
1430
+ "step": 2030
1431
+ },
1432
+ {
1433
+ "epoch": 0.48355555555555557,
1434
+ "grad_norm": 0.5880560874938965,
1435
+ "learning_rate": 2.9289940828402368e-05,
1436
+ "loss": 1.3603,
1437
+ "step": 2040
1438
+ },
1439
+ {
1440
+ "epoch": 0.48592592592592593,
1441
+ "grad_norm": 0.5470516085624695,
1442
+ "learning_rate": 2.9155459924690697e-05,
1443
+ "loss": 1.5022,
1444
+ "step": 2050
1445
+ },
1446
+ {
1447
+ "epoch": 0.4882962962962963,
1448
+ "grad_norm": 0.45742228627204895,
1449
+ "learning_rate": 2.9020979020979022e-05,
1450
+ "loss": 1.4699,
1451
+ "step": 2060
1452
+ },
1453
+ {
1454
+ "epoch": 0.49066666666666664,
1455
+ "grad_norm": 0.5314275622367859,
1456
+ "learning_rate": 2.888649811726735e-05,
1457
+ "loss": 1.5043,
1458
+ "step": 2070
1459
+ },
1460
+ {
1461
+ "epoch": 0.49303703703703705,
1462
+ "grad_norm": 0.5969755053520203,
1463
+ "learning_rate": 2.8752017213555676e-05,
1464
+ "loss": 1.4709,
1465
+ "step": 2080
1466
+ },
1467
+ {
1468
+ "epoch": 0.4954074074074074,
1469
+ "grad_norm": 0.5115885138511658,
1470
+ "learning_rate": 2.8617536309844002e-05,
1471
+ "loss": 1.4031,
1472
+ "step": 2090
1473
+ },
1474
+ {
1475
+ "epoch": 0.49777777777777776,
1476
+ "grad_norm": 0.5907914042472839,
1477
+ "learning_rate": 2.848305540613233e-05,
1478
+ "loss": 1.3509,
1479
+ "step": 2100
1480
+ },
1481
+ {
1482
+ "epoch": 0.5001481481481481,
1483
+ "grad_norm": 0.48430949449539185,
1484
+ "learning_rate": 2.8348574502420656e-05,
1485
+ "loss": 1.4393,
1486
+ "step": 2110
1487
+ },
1488
+ {
1489
+ "epoch": 0.5025185185185185,
1490
+ "grad_norm": 0.5502893328666687,
1491
+ "learning_rate": 2.8214093598708985e-05,
1492
+ "loss": 1.5571,
1493
+ "step": 2120
1494
+ },
1495
+ {
1496
+ "epoch": 0.5048888888888889,
1497
+ "grad_norm": 0.48268720507621765,
1498
+ "learning_rate": 2.807961269499731e-05,
1499
+ "loss": 1.3895,
1500
+ "step": 2130
1501
+ },
1502
+ {
1503
+ "epoch": 0.5072592592592593,
1504
+ "grad_norm": 0.6141895651817322,
1505
+ "learning_rate": 2.794513179128564e-05,
1506
+ "loss": 1.5278,
1507
+ "step": 2140
1508
+ },
1509
+ {
1510
+ "epoch": 0.5096296296296297,
1511
+ "grad_norm": 0.48447638750076294,
1512
+ "learning_rate": 2.7810650887573965e-05,
1513
+ "loss": 1.456,
1514
+ "step": 2150
1515
+ },
1516
+ {
1517
+ "epoch": 0.512,
1518
+ "grad_norm": 0.4536721408367157,
1519
+ "learning_rate": 2.7676169983862293e-05,
1520
+ "loss": 1.4259,
1521
+ "step": 2160
1522
+ },
1523
+ {
1524
+ "epoch": 0.5143703703703704,
1525
+ "grad_norm": 0.5519189238548279,
1526
+ "learning_rate": 2.754168908015062e-05,
1527
+ "loss": 1.508,
1528
+ "step": 2170
1529
+ },
1530
+ {
1531
+ "epoch": 0.5167407407407407,
1532
+ "grad_norm": 0.4641801416873932,
1533
+ "learning_rate": 2.7407208176438948e-05,
1534
+ "loss": 1.5087,
1535
+ "step": 2180
1536
+ },
1537
+ {
1538
+ "epoch": 0.5191111111111111,
1539
+ "grad_norm": 0.5566359162330627,
1540
+ "learning_rate": 2.7272727272727273e-05,
1541
+ "loss": 1.4994,
1542
+ "step": 2190
1543
+ },
1544
+ {
1545
+ "epoch": 0.5214814814814814,
1546
+ "grad_norm": 0.5316601991653442,
1547
+ "learning_rate": 2.7138246369015602e-05,
1548
+ "loss": 1.375,
1549
+ "step": 2200
1550
+ },
1551
+ {
1552
+ "epoch": 0.5238518518518519,
1553
+ "grad_norm": 0.545514702796936,
1554
+ "learning_rate": 2.7003765465303927e-05,
1555
+ "loss": 1.4449,
1556
+ "step": 2210
1557
+ },
1558
+ {
1559
+ "epoch": 0.5262222222222223,
1560
+ "grad_norm": 0.5452851057052612,
1561
+ "learning_rate": 2.6869284561592256e-05,
1562
+ "loss": 1.639,
1563
+ "step": 2220
1564
+ },
1565
+ {
1566
+ "epoch": 0.5285925925925926,
1567
+ "grad_norm": 0.5291896462440491,
1568
+ "learning_rate": 2.673480365788058e-05,
1569
+ "loss": 1.3638,
1570
+ "step": 2230
1571
+ },
1572
+ {
1573
+ "epoch": 0.530962962962963,
1574
+ "grad_norm": 0.4708302319049835,
1575
+ "learning_rate": 2.660032275416891e-05,
1576
+ "loss": 1.1973,
1577
+ "step": 2240
1578
+ },
1579
+ {
1580
+ "epoch": 0.5333333333333333,
1581
+ "grad_norm": 0.4936722218990326,
1582
+ "learning_rate": 2.6465841850457236e-05,
1583
+ "loss": 1.543,
1584
+ "step": 2250
1585
+ },
1586
+ {
1587
+ "epoch": 0.5357037037037037,
1588
+ "grad_norm": 0.5722488760948181,
1589
+ "learning_rate": 2.6331360946745565e-05,
1590
+ "loss": 1.531,
1591
+ "step": 2260
1592
+ },
1593
+ {
1594
+ "epoch": 0.538074074074074,
1595
+ "grad_norm": 0.5386027097702026,
1596
+ "learning_rate": 2.619688004303389e-05,
1597
+ "loss": 1.4335,
1598
+ "step": 2270
1599
+ },
1600
+ {
1601
+ "epoch": 0.5404444444444444,
1602
+ "grad_norm": 0.5803340673446655,
1603
+ "learning_rate": 2.606239913932222e-05,
1604
+ "loss": 1.4049,
1605
+ "step": 2280
1606
+ },
1607
+ {
1608
+ "epoch": 0.5428148148148149,
1609
+ "grad_norm": 0.3970150053501129,
1610
+ "learning_rate": 2.5927918235610544e-05,
1611
+ "loss": 1.3923,
1612
+ "step": 2290
1613
+ },
1614
+ {
1615
+ "epoch": 0.5451851851851852,
1616
+ "grad_norm": 0.45682525634765625,
1617
+ "learning_rate": 2.5793437331898873e-05,
1618
+ "loss": 1.4838,
1619
+ "step": 2300
1620
+ },
1621
+ {
1622
+ "epoch": 0.5475555555555556,
1623
+ "grad_norm": 0.5088069438934326,
1624
+ "learning_rate": 2.56589564281872e-05,
1625
+ "loss": 1.4416,
1626
+ "step": 2310
1627
+ },
1628
+ {
1629
+ "epoch": 0.5499259259259259,
1630
+ "grad_norm": 0.5557109713554382,
1631
+ "learning_rate": 2.5524475524475528e-05,
1632
+ "loss": 1.4099,
1633
+ "step": 2320
1634
+ },
1635
+ {
1636
+ "epoch": 0.5522962962962963,
1637
+ "grad_norm": 0.4954288601875305,
1638
+ "learning_rate": 2.5389994620763853e-05,
1639
+ "loss": 1.3828,
1640
+ "step": 2330
1641
+ },
1642
+ {
1643
+ "epoch": 0.5546666666666666,
1644
+ "grad_norm": 0.5320334434509277,
1645
+ "learning_rate": 2.5255513717052182e-05,
1646
+ "loss": 1.3686,
1647
+ "step": 2340
1648
+ },
1649
+ {
1650
+ "epoch": 0.557037037037037,
1651
+ "grad_norm": 0.511646032333374,
1652
+ "learning_rate": 2.5121032813340507e-05,
1653
+ "loss": 1.4752,
1654
+ "step": 2350
1655
+ },
1656
+ {
1657
+ "epoch": 0.5594074074074074,
1658
+ "grad_norm": 0.4852311909198761,
1659
+ "learning_rate": 2.4986551909628833e-05,
1660
+ "loss": 1.5352,
1661
+ "step": 2360
1662
+ },
1663
+ {
1664
+ "epoch": 0.5617777777777778,
1665
+ "grad_norm": 0.5558280944824219,
1666
+ "learning_rate": 2.485207100591716e-05,
1667
+ "loss": 1.3955,
1668
+ "step": 2370
1669
+ },
1670
+ {
1671
+ "epoch": 0.5641481481481482,
1672
+ "grad_norm": 0.5369210243225098,
1673
+ "learning_rate": 2.4717590102205487e-05,
1674
+ "loss": 1.4265,
1675
+ "step": 2380
1676
+ },
1677
+ {
1678
+ "epoch": 0.5665185185185185,
1679
+ "grad_norm": 0.5134137868881226,
1680
+ "learning_rate": 2.4583109198493816e-05,
1681
+ "loss": 1.3688,
1682
+ "step": 2390
1683
+ },
1684
+ {
1685
+ "epoch": 0.5688888888888889,
1686
+ "grad_norm": 0.47109952569007874,
1687
+ "learning_rate": 2.444862829478214e-05,
1688
+ "loss": 1.4207,
1689
+ "step": 2400
1690
+ },
1691
+ {
1692
+ "epoch": 0.5712592592592592,
1693
+ "grad_norm": 0.4982026517391205,
1694
+ "learning_rate": 2.431414739107047e-05,
1695
+ "loss": 1.4249,
1696
+ "step": 2410
1697
+ },
1698
+ {
1699
+ "epoch": 0.5736296296296296,
1700
+ "grad_norm": 0.5209967494010925,
1701
+ "learning_rate": 2.4179666487358796e-05,
1702
+ "loss": 1.4708,
1703
+ "step": 2420
1704
+ },
1705
+ {
1706
+ "epoch": 0.576,
1707
+ "grad_norm": 0.5762905478477478,
1708
+ "learning_rate": 2.4045185583647124e-05,
1709
+ "loss": 1.4194,
1710
+ "step": 2430
1711
+ },
1712
+ {
1713
+ "epoch": 0.5783703703703704,
1714
+ "grad_norm": 0.4918428659439087,
1715
+ "learning_rate": 2.391070467993545e-05,
1716
+ "loss": 1.6279,
1717
+ "step": 2440
1718
+ },
1719
+ {
1720
+ "epoch": 0.5807407407407408,
1721
+ "grad_norm": 0.5050658583641052,
1722
+ "learning_rate": 2.377622377622378e-05,
1723
+ "loss": 1.5029,
1724
+ "step": 2450
1725
+ },
1726
+ {
1727
+ "epoch": 0.5831111111111111,
1728
+ "grad_norm": 0.49715667963027954,
1729
+ "learning_rate": 2.3641742872512104e-05,
1730
+ "loss": 1.4228,
1731
+ "step": 2460
1732
+ },
1733
+ {
1734
+ "epoch": 0.5854814814814815,
1735
+ "grad_norm": 0.4800516664981842,
1736
+ "learning_rate": 2.3507261968800433e-05,
1737
+ "loss": 1.3595,
1738
+ "step": 2470
1739
+ },
1740
+ {
1741
+ "epoch": 0.5878518518518518,
1742
+ "grad_norm": 0.5617285966873169,
1743
+ "learning_rate": 2.337278106508876e-05,
1744
+ "loss": 1.5974,
1745
+ "step": 2480
1746
+ },
1747
+ {
1748
+ "epoch": 0.5902222222222222,
1749
+ "grad_norm": 0.5133258700370789,
1750
+ "learning_rate": 2.3238300161377087e-05,
1751
+ "loss": 1.4437,
1752
+ "step": 2490
1753
+ },
1754
+ {
1755
+ "epoch": 0.5925925925925926,
1756
+ "grad_norm": 0.5644205212593079,
1757
+ "learning_rate": 2.3103819257665413e-05,
1758
+ "loss": 1.4633,
1759
+ "step": 2500
1760
+ },
1761
+ {
1762
+ "epoch": 0.5949629629629629,
1763
+ "grad_norm": 0.5411229133605957,
1764
+ "learning_rate": 2.296933835395374e-05,
1765
+ "loss": 1.3376,
1766
+ "step": 2510
1767
+ },
1768
+ {
1769
+ "epoch": 0.5973333333333334,
1770
+ "grad_norm": 0.5555963516235352,
1771
+ "learning_rate": 2.2834857450242067e-05,
1772
+ "loss": 1.5361,
1773
+ "step": 2520
1774
+ },
1775
+ {
1776
+ "epoch": 0.5997037037037037,
1777
+ "grad_norm": 0.48606014251708984,
1778
+ "learning_rate": 2.2700376546530396e-05,
1779
+ "loss": 1.4386,
1780
+ "step": 2530
1781
+ },
1782
+ {
1783
+ "epoch": 0.6020740740740741,
1784
+ "grad_norm": 0.4902474582195282,
1785
+ "learning_rate": 2.256589564281872e-05,
1786
+ "loss": 1.4536,
1787
+ "step": 2540
1788
+ },
1789
+ {
1790
+ "epoch": 0.6044444444444445,
1791
+ "grad_norm": 0.5565341114997864,
1792
+ "learning_rate": 2.243141473910705e-05,
1793
+ "loss": 1.4801,
1794
+ "step": 2550
1795
+ },
1796
+ {
1797
+ "epoch": 0.6068148148148148,
1798
+ "grad_norm": 0.5383167862892151,
1799
+ "learning_rate": 2.2296933835395375e-05,
1800
+ "loss": 1.3528,
1801
+ "step": 2560
1802
+ },
1803
+ {
1804
+ "epoch": 0.6091851851851852,
1805
+ "grad_norm": 0.4610041379928589,
1806
+ "learning_rate": 2.2162452931683704e-05,
1807
+ "loss": 1.5063,
1808
+ "step": 2570
1809
+ },
1810
+ {
1811
+ "epoch": 0.6115555555555555,
1812
+ "grad_norm": 0.5119171142578125,
1813
+ "learning_rate": 2.202797202797203e-05,
1814
+ "loss": 1.4559,
1815
+ "step": 2580
1816
+ },
1817
+ {
1818
+ "epoch": 0.6139259259259259,
1819
+ "grad_norm": 0.46622559428215027,
1820
+ "learning_rate": 2.189349112426036e-05,
1821
+ "loss": 1.485,
1822
+ "step": 2590
1823
+ },
1824
+ {
1825
+ "epoch": 0.6162962962962963,
1826
+ "grad_norm": 0.5610603094100952,
1827
+ "learning_rate": 2.1759010220548684e-05,
1828
+ "loss": 1.3863,
1829
+ "step": 2600
1830
+ },
1831
+ {
1832
+ "epoch": 0.6186666666666667,
1833
+ "grad_norm": 0.5185586214065552,
1834
+ "learning_rate": 2.162452931683701e-05,
1835
+ "loss": 1.4574,
1836
+ "step": 2610
1837
+ },
1838
+ {
1839
+ "epoch": 0.621037037037037,
1840
+ "grad_norm": 0.5091121196746826,
1841
+ "learning_rate": 2.1490048413125338e-05,
1842
+ "loss": 1.3745,
1843
+ "step": 2620
1844
+ },
1845
+ {
1846
+ "epoch": 0.6234074074074074,
1847
+ "grad_norm": 0.39684295654296875,
1848
+ "learning_rate": 2.1355567509413664e-05,
1849
+ "loss": 1.5785,
1850
+ "step": 2630
1851
+ },
1852
+ {
1853
+ "epoch": 0.6257777777777778,
1854
+ "grad_norm": 0.5499323606491089,
1855
+ "learning_rate": 2.1221086605701993e-05,
1856
+ "loss": 1.4926,
1857
+ "step": 2640
1858
+ },
1859
+ {
1860
+ "epoch": 0.6281481481481481,
1861
+ "grad_norm": 0.448824942111969,
1862
+ "learning_rate": 2.1086605701990318e-05,
1863
+ "loss": 1.5199,
1864
+ "step": 2650
1865
+ },
1866
+ {
1867
+ "epoch": 0.6305185185185185,
1868
+ "grad_norm": 0.5647756457328796,
1869
+ "learning_rate": 2.0952124798278647e-05,
1870
+ "loss": 1.493,
1871
+ "step": 2660
1872
+ },
1873
+ {
1874
+ "epoch": 0.6328888888888888,
1875
+ "grad_norm": 0.5426878929138184,
1876
+ "learning_rate": 2.0817643894566972e-05,
1877
+ "loss": 1.4232,
1878
+ "step": 2670
1879
+ },
1880
+ {
1881
+ "epoch": 0.6352592592592593,
1882
+ "grad_norm": 0.5105384588241577,
1883
+ "learning_rate": 2.0683162990855298e-05,
1884
+ "loss": 1.5136,
1885
+ "step": 2680
1886
+ },
1887
+ {
1888
+ "epoch": 0.6376296296296297,
1889
+ "grad_norm": 0.5488259792327881,
1890
+ "learning_rate": 2.0548682087143627e-05,
1891
+ "loss": 1.4877,
1892
+ "step": 2690
1893
+ },
1894
+ {
1895
+ "epoch": 0.64,
1896
+ "grad_norm": 0.47102248668670654,
1897
+ "learning_rate": 2.0414201183431952e-05,
1898
+ "loss": 1.2976,
1899
+ "step": 2700
1900
+ },
1901
+ {
1902
+ "epoch": 0.6423703703703704,
1903
+ "grad_norm": 0.4708435535430908,
1904
+ "learning_rate": 2.027972027972028e-05,
1905
+ "loss": 1.4773,
1906
+ "step": 2710
1907
+ },
1908
+ {
1909
+ "epoch": 0.6447407407407407,
1910
+ "grad_norm": 0.5073569416999817,
1911
+ "learning_rate": 2.0145239376008606e-05,
1912
+ "loss": 1.3551,
1913
+ "step": 2720
1914
+ },
1915
+ {
1916
+ "epoch": 0.6471111111111111,
1917
+ "grad_norm": 0.4934346377849579,
1918
+ "learning_rate": 2.0010758472296935e-05,
1919
+ "loss": 1.2423,
1920
+ "step": 2730
1921
+ },
1922
+ {
1923
+ "epoch": 0.6494814814814814,
1924
+ "grad_norm": 0.5030198097229004,
1925
+ "learning_rate": 1.987627756858526e-05,
1926
+ "loss": 1.4272,
1927
+ "step": 2740
1928
+ },
1929
+ {
1930
+ "epoch": 0.6518518518518519,
1931
+ "grad_norm": 0.4713825583457947,
1932
+ "learning_rate": 1.974179666487359e-05,
1933
+ "loss": 1.4898,
1934
+ "step": 2750
1935
+ },
1936
+ {
1937
+ "epoch": 0.6542222222222223,
1938
+ "grad_norm": 0.430649995803833,
1939
+ "learning_rate": 1.9607315761161915e-05,
1940
+ "loss": 1.3365,
1941
+ "step": 2760
1942
+ },
1943
+ {
1944
+ "epoch": 0.6565925925925926,
1945
+ "grad_norm": 0.58051598072052,
1946
+ "learning_rate": 1.9472834857450244e-05,
1947
+ "loss": 1.4567,
1948
+ "step": 2770
1949
+ },
1950
+ {
1951
+ "epoch": 0.658962962962963,
1952
+ "grad_norm": 0.46255138516426086,
1953
+ "learning_rate": 1.933835395373857e-05,
1954
+ "loss": 1.5205,
1955
+ "step": 2780
1956
+ },
1957
+ {
1958
+ "epoch": 0.6613333333333333,
1959
+ "grad_norm": 0.5674681663513184,
1960
+ "learning_rate": 1.9203873050026898e-05,
1961
+ "loss": 1.3594,
1962
+ "step": 2790
1963
+ },
1964
+ {
1965
+ "epoch": 0.6637037037037037,
1966
+ "grad_norm": 0.5063351392745972,
1967
+ "learning_rate": 1.9069392146315223e-05,
1968
+ "loss": 1.2901,
1969
+ "step": 2800
1970
+ },
1971
+ {
1972
+ "epoch": 0.666074074074074,
1973
+ "grad_norm": 0.4963226914405823,
1974
+ "learning_rate": 1.8934911242603552e-05,
1975
+ "loss": 1.4437,
1976
+ "step": 2810
1977
+ },
1978
+ {
1979
+ "epoch": 0.6684444444444444,
1980
+ "grad_norm": 0.5070900917053223,
1981
+ "learning_rate": 1.8800430338891878e-05,
1982
+ "loss": 1.376,
1983
+ "step": 2820
1984
+ },
1985
+ {
1986
+ "epoch": 0.6708148148148149,
1987
+ "grad_norm": 0.5724377036094666,
1988
+ "learning_rate": 1.8665949435180206e-05,
1989
+ "loss": 1.5226,
1990
+ "step": 2830
1991
+ },
1992
+ {
1993
+ "epoch": 0.6731851851851852,
1994
+ "grad_norm": 0.5261855125427246,
1995
+ "learning_rate": 1.8531468531468532e-05,
1996
+ "loss": 1.438,
1997
+ "step": 2840
1998
+ },
1999
+ {
2000
+ "epoch": 0.6755555555555556,
2001
+ "grad_norm": 0.5292350053787231,
2002
+ "learning_rate": 1.839698762775686e-05,
2003
+ "loss": 1.4071,
2004
+ "step": 2850
2005
+ },
2006
+ {
2007
+ "epoch": 0.6779259259259259,
2008
+ "grad_norm": 0.4596816301345825,
2009
+ "learning_rate": 1.8262506724045186e-05,
2010
+ "loss": 1.337,
2011
+ "step": 2860
2012
+ },
2013
+ {
2014
+ "epoch": 0.6802962962962963,
2015
+ "grad_norm": 0.5225928425788879,
2016
+ "learning_rate": 1.8128025820333515e-05,
2017
+ "loss": 1.4363,
2018
+ "step": 2870
2019
+ },
2020
+ {
2021
+ "epoch": 0.6826666666666666,
2022
+ "grad_norm": 0.49359938502311707,
2023
+ "learning_rate": 1.799354491662184e-05,
2024
+ "loss": 1.3388,
2025
+ "step": 2880
2026
+ },
2027
+ {
2028
+ "epoch": 0.685037037037037,
2029
+ "grad_norm": 0.5156022906303406,
2030
+ "learning_rate": 1.785906401291017e-05,
2031
+ "loss": 1.4515,
2032
+ "step": 2890
2033
+ },
2034
+ {
2035
+ "epoch": 0.6874074074074074,
2036
+ "grad_norm": 0.5047289133071899,
2037
+ "learning_rate": 1.7724583109198495e-05,
2038
+ "loss": 1.4584,
2039
+ "step": 2900
2040
+ },
2041
+ {
2042
+ "epoch": 0.6897777777777778,
2043
+ "grad_norm": 0.4975475072860718,
2044
+ "learning_rate": 1.7590102205486824e-05,
2045
+ "loss": 1.5042,
2046
+ "step": 2910
2047
+ },
2048
+ {
2049
+ "epoch": 0.6921481481481482,
2050
+ "grad_norm": 0.5997641086578369,
2051
+ "learning_rate": 1.745562130177515e-05,
2052
+ "loss": 1.5658,
2053
+ "step": 2920
2054
+ },
2055
+ {
2056
+ "epoch": 0.6945185185185185,
2057
+ "grad_norm": 0.5376483201980591,
2058
+ "learning_rate": 1.7321140398063478e-05,
2059
+ "loss": 1.3429,
2060
+ "step": 2930
2061
+ },
2062
+ {
2063
+ "epoch": 0.6968888888888889,
2064
+ "grad_norm": 0.4973870813846588,
2065
+ "learning_rate": 1.7186659494351803e-05,
2066
+ "loss": 1.4287,
2067
+ "step": 2940
2068
+ },
2069
+ {
2070
+ "epoch": 0.6992592592592592,
2071
+ "grad_norm": 0.5504077076911926,
2072
+ "learning_rate": 1.7052178590640132e-05,
2073
+ "loss": 1.5161,
2074
+ "step": 2950
2075
+ },
2076
+ {
2077
+ "epoch": 0.7016296296296296,
2078
+ "grad_norm": 0.4603710174560547,
2079
+ "learning_rate": 1.6917697686928457e-05,
2080
+ "loss": 1.463,
2081
+ "step": 2960
2082
+ },
2083
+ {
2084
+ "epoch": 0.704,
2085
+ "grad_norm": 0.5116856694221497,
2086
+ "learning_rate": 1.6783216783216786e-05,
2087
+ "loss": 1.3862,
2088
+ "step": 2970
2089
+ },
2090
+ {
2091
+ "epoch": 0.7063703703703703,
2092
+ "grad_norm": 0.49981990456581116,
2093
+ "learning_rate": 1.6648735879505112e-05,
2094
+ "loss": 1.4209,
2095
+ "step": 2980
2096
+ },
2097
+ {
2098
+ "epoch": 0.7087407407407408,
2099
+ "grad_norm": 0.5085658431053162,
2100
+ "learning_rate": 1.651425497579344e-05,
2101
+ "loss": 1.4031,
2102
+ "step": 2990
2103
+ },
2104
+ {
2105
+ "epoch": 0.7111111111111111,
2106
+ "grad_norm": 0.5499709844589233,
2107
+ "learning_rate": 1.6379774072081766e-05,
2108
+ "loss": 1.5093,
2109
+ "step": 3000
2110
+ },
2111
+ {
2112
+ "epoch": 0.7134814814814815,
2113
+ "grad_norm": 0.5997831225395203,
2114
+ "learning_rate": 1.6245293168370095e-05,
2115
+ "loss": 1.517,
2116
+ "step": 3010
2117
+ },
2118
+ {
2119
+ "epoch": 0.7158518518518519,
2120
+ "grad_norm": 0.5795171856880188,
2121
+ "learning_rate": 1.611081226465842e-05,
2122
+ "loss": 1.4279,
2123
+ "step": 3020
2124
+ },
2125
+ {
2126
+ "epoch": 0.7182222222222222,
2127
+ "grad_norm": 0.5227158069610596,
2128
+ "learning_rate": 1.5976331360946746e-05,
2129
+ "loss": 1.5101,
2130
+ "step": 3030
2131
+ },
2132
+ {
2133
+ "epoch": 0.7205925925925926,
2134
+ "grad_norm": 0.6352266669273376,
2135
+ "learning_rate": 1.5841850457235075e-05,
2136
+ "loss": 1.4849,
2137
+ "step": 3040
2138
+ },
2139
+ {
2140
+ "epoch": 0.7229629629629629,
2141
+ "grad_norm": 0.6044921278953552,
2142
+ "learning_rate": 1.57073695535234e-05,
2143
+ "loss": 1.5239,
2144
+ "step": 3050
2145
+ },
2146
+ {
2147
+ "epoch": 0.7253333333333334,
2148
+ "grad_norm": 0.4992562532424927,
2149
+ "learning_rate": 1.557288864981173e-05,
2150
+ "loss": 1.37,
2151
+ "step": 3060
2152
+ },
2153
+ {
2154
+ "epoch": 0.7277037037037037,
2155
+ "grad_norm": 0.5439409017562866,
2156
+ "learning_rate": 1.5438407746100054e-05,
2157
+ "loss": 1.3724,
2158
+ "step": 3070
2159
+ },
2160
+ {
2161
+ "epoch": 0.7300740740740741,
2162
+ "grad_norm": 0.5415698289871216,
2163
+ "learning_rate": 1.530392684238838e-05,
2164
+ "loss": 1.4562,
2165
+ "step": 3080
2166
+ },
2167
+ {
2168
+ "epoch": 0.7324444444444445,
2169
+ "grad_norm": 0.4034167230129242,
2170
+ "learning_rate": 1.5169445938676707e-05,
2171
+ "loss": 1.3212,
2172
+ "step": 3090
2173
+ },
2174
+ {
2175
+ "epoch": 0.7348148148148148,
2176
+ "grad_norm": 0.5307872891426086,
2177
+ "learning_rate": 1.5034965034965034e-05,
2178
+ "loss": 1.4165,
2179
+ "step": 3100
2180
+ },
2181
+ {
2182
+ "epoch": 0.7371851851851852,
2183
+ "grad_norm": 0.5271874666213989,
2184
+ "learning_rate": 1.4900484131253361e-05,
2185
+ "loss": 1.4077,
2186
+ "step": 3110
2187
+ },
2188
+ {
2189
+ "epoch": 0.7395555555555555,
2190
+ "grad_norm": 0.5995745658874512,
2191
+ "learning_rate": 1.4766003227541688e-05,
2192
+ "loss": 1.4732,
2193
+ "step": 3120
2194
+ },
2195
+ {
2196
+ "epoch": 0.7419259259259259,
2197
+ "grad_norm": 0.45358097553253174,
2198
+ "learning_rate": 1.4631522323830015e-05,
2199
+ "loss": 1.4083,
2200
+ "step": 3130
2201
+ },
2202
+ {
2203
+ "epoch": 0.7442962962962963,
2204
+ "grad_norm": 0.47864630818367004,
2205
+ "learning_rate": 1.4497041420118343e-05,
2206
+ "loss": 1.4363,
2207
+ "step": 3140
2208
+ },
2209
+ {
2210
+ "epoch": 0.7466666666666667,
2211
+ "grad_norm": 0.46107572317123413,
2212
+ "learning_rate": 1.436256051640667e-05,
2213
+ "loss": 1.5163,
2214
+ "step": 3150
2215
+ },
2216
+ {
2217
+ "epoch": 0.7490370370370371,
2218
+ "grad_norm": 0.5413241386413574,
2219
+ "learning_rate": 1.4228079612694997e-05,
2220
+ "loss": 1.3225,
2221
+ "step": 3160
2222
+ },
2223
+ {
2224
+ "epoch": 0.7514074074074074,
2225
+ "grad_norm": 0.4649742841720581,
2226
+ "learning_rate": 1.4093598708983324e-05,
2227
+ "loss": 1.4101,
2228
+ "step": 3170
2229
+ },
2230
+ {
2231
+ "epoch": 0.7537777777777778,
2232
+ "grad_norm": 0.5219136476516724,
2233
+ "learning_rate": 1.3959117805271651e-05,
2234
+ "loss": 1.4523,
2235
+ "step": 3180
2236
+ },
2237
+ {
2238
+ "epoch": 0.7561481481481481,
2239
+ "grad_norm": 0.5591155886650085,
2240
+ "learning_rate": 1.3824636901559978e-05,
2241
+ "loss": 1.5966,
2242
+ "step": 3190
2243
+ },
2244
+ {
2245
+ "epoch": 0.7585185185185185,
2246
+ "grad_norm": 0.5293004512786865,
2247
+ "learning_rate": 1.3690155997848305e-05,
2248
+ "loss": 1.4613,
2249
+ "step": 3200
2250
+ },
2251
+ {
2252
+ "epoch": 0.7608888888888888,
2253
+ "grad_norm": 0.46828821301460266,
2254
+ "learning_rate": 1.3555675094136632e-05,
2255
+ "loss": 1.5187,
2256
+ "step": 3210
2257
+ },
2258
+ {
2259
+ "epoch": 0.7632592592592593,
2260
+ "grad_norm": 0.4590572416782379,
2261
+ "learning_rate": 1.342119419042496e-05,
2262
+ "loss": 1.4418,
2263
+ "step": 3220
2264
+ },
2265
+ {
2266
+ "epoch": 0.7656296296296297,
2267
+ "grad_norm": 0.6020212769508362,
2268
+ "learning_rate": 1.3286713286713287e-05,
2269
+ "loss": 1.5557,
2270
+ "step": 3230
2271
+ },
2272
+ {
2273
+ "epoch": 0.768,
2274
+ "grad_norm": 0.542536199092865,
2275
+ "learning_rate": 1.3152232383001614e-05,
2276
+ "loss": 1.3689,
2277
+ "step": 3240
2278
+ },
2279
+ {
2280
+ "epoch": 0.7703703703703704,
2281
+ "grad_norm": 0.5394562482833862,
2282
+ "learning_rate": 1.3017751479289941e-05,
2283
+ "loss": 1.4272,
2284
+ "step": 3250
2285
+ },
2286
+ {
2287
+ "epoch": 0.7727407407407407,
2288
+ "grad_norm": 0.38109496235847473,
2289
+ "learning_rate": 1.2883270575578268e-05,
2290
+ "loss": 1.419,
2291
+ "step": 3260
2292
+ },
2293
+ {
2294
+ "epoch": 0.7751111111111111,
2295
+ "grad_norm": 0.4617583155632019,
2296
+ "learning_rate": 1.2748789671866595e-05,
2297
+ "loss": 1.3547,
2298
+ "step": 3270
2299
+ },
2300
+ {
2301
+ "epoch": 0.7774814814814814,
2302
+ "grad_norm": 0.5739762783050537,
2303
+ "learning_rate": 1.2614308768154922e-05,
2304
+ "loss": 1.5191,
2305
+ "step": 3280
2306
+ },
2307
+ {
2308
+ "epoch": 0.7798518518518519,
2309
+ "grad_norm": 0.42539921402931213,
2310
+ "learning_rate": 1.247982786444325e-05,
2311
+ "loss": 1.3347,
2312
+ "step": 3290
2313
+ },
2314
+ {
2315
+ "epoch": 0.7822222222222223,
2316
+ "grad_norm": 0.5273600816726685,
2317
+ "learning_rate": 1.2345346960731577e-05,
2318
+ "loss": 1.3758,
2319
+ "step": 3300
2320
+ },
2321
+ {
2322
+ "epoch": 0.7845925925925926,
2323
+ "grad_norm": 0.4796091616153717,
2324
+ "learning_rate": 1.2210866057019904e-05,
2325
+ "loss": 1.3903,
2326
+ "step": 3310
2327
+ },
2328
+ {
2329
+ "epoch": 0.786962962962963,
2330
+ "grad_norm": 0.46542009711265564,
2331
+ "learning_rate": 1.2076385153308231e-05,
2332
+ "loss": 1.406,
2333
+ "step": 3320
2334
+ },
2335
+ {
2336
+ "epoch": 0.7893333333333333,
2337
+ "grad_norm": 0.47980108857154846,
2338
+ "learning_rate": 1.1941904249596558e-05,
2339
+ "loss": 1.3991,
2340
+ "step": 3330
2341
+ },
2342
+ {
2343
+ "epoch": 0.7917037037037037,
2344
+ "grad_norm": 0.507736086845398,
2345
+ "learning_rate": 1.1807423345884885e-05,
2346
+ "loss": 1.4583,
2347
+ "step": 3340
2348
+ },
2349
+ {
2350
+ "epoch": 0.794074074074074,
2351
+ "grad_norm": 0.5380430817604065,
2352
+ "learning_rate": 1.1672942442173212e-05,
2353
+ "loss": 1.2621,
2354
+ "step": 3350
2355
+ },
2356
+ {
2357
+ "epoch": 0.7964444444444444,
2358
+ "grad_norm": 0.6689913272857666,
2359
+ "learning_rate": 1.153846153846154e-05,
2360
+ "loss": 1.5355,
2361
+ "step": 3360
2362
+ },
2363
+ {
2364
+ "epoch": 0.7988148148148149,
2365
+ "grad_norm": 0.5129537582397461,
2366
+ "learning_rate": 1.1403980634749865e-05,
2367
+ "loss": 1.5895,
2368
+ "step": 3370
2369
+ },
2370
+ {
2371
+ "epoch": 0.8011851851851852,
2372
+ "grad_norm": 0.5240408182144165,
2373
+ "learning_rate": 1.1269499731038192e-05,
2374
+ "loss": 1.4896,
2375
+ "step": 3380
2376
+ },
2377
+ {
2378
+ "epoch": 0.8035555555555556,
2379
+ "grad_norm": 0.5004174709320068,
2380
+ "learning_rate": 1.113501882732652e-05,
2381
+ "loss": 1.4303,
2382
+ "step": 3390
2383
+ },
2384
+ {
2385
+ "epoch": 0.8059259259259259,
2386
+ "grad_norm": 0.46890896558761597,
2387
+ "learning_rate": 1.1000537923614846e-05,
2388
+ "loss": 1.3536,
2389
+ "step": 3400
2390
+ },
2391
+ {
2392
+ "epoch": 0.8082962962962963,
2393
+ "grad_norm": 0.5150523781776428,
2394
+ "learning_rate": 1.0866057019903174e-05,
2395
+ "loss": 1.3952,
2396
+ "step": 3410
2397
+ },
2398
+ {
2399
+ "epoch": 0.8106666666666666,
2400
+ "grad_norm": 0.4322206676006317,
2401
+ "learning_rate": 1.07315761161915e-05,
2402
+ "loss": 1.2252,
2403
+ "step": 3420
2404
+ },
2405
+ {
2406
+ "epoch": 0.813037037037037,
2407
+ "grad_norm": 0.5782944560050964,
2408
+ "learning_rate": 1.0597095212479828e-05,
2409
+ "loss": 1.4982,
2410
+ "step": 3430
2411
+ },
2412
+ {
2413
+ "epoch": 0.8154074074074074,
2414
+ "grad_norm": 0.6032952666282654,
2415
+ "learning_rate": 1.0462614308768155e-05,
2416
+ "loss": 1.4614,
2417
+ "step": 3440
2418
+ },
2419
+ {
2420
+ "epoch": 0.8177777777777778,
2421
+ "grad_norm": 0.453756183385849,
2422
+ "learning_rate": 1.0328133405056482e-05,
2423
+ "loss": 1.5017,
2424
+ "step": 3450
2425
+ },
2426
+ {
2427
+ "epoch": 0.8201481481481482,
2428
+ "grad_norm": 0.5315883159637451,
2429
+ "learning_rate": 1.019365250134481e-05,
2430
+ "loss": 1.5354,
2431
+ "step": 3460
2432
+ },
2433
+ {
2434
+ "epoch": 0.8225185185185185,
2435
+ "grad_norm": 0.5065041184425354,
2436
+ "learning_rate": 1.0059171597633136e-05,
2437
+ "loss": 1.4245,
2438
+ "step": 3470
2439
+ },
2440
+ {
2441
+ "epoch": 0.8248888888888889,
2442
+ "grad_norm": 0.542103111743927,
2443
+ "learning_rate": 9.924690693921463e-06,
2444
+ "loss": 1.3599,
2445
+ "step": 3480
2446
+ },
2447
+ {
2448
+ "epoch": 0.8272592592592592,
2449
+ "grad_norm": 0.5330160856246948,
2450
+ "learning_rate": 9.79020979020979e-06,
2451
+ "loss": 1.3502,
2452
+ "step": 3490
2453
+ },
2454
+ {
2455
+ "epoch": 0.8296296296296296,
2456
+ "grad_norm": 0.4731038212776184,
2457
+ "learning_rate": 9.655728886498118e-06,
2458
+ "loss": 1.2931,
2459
+ "step": 3500
2460
+ },
2461
+ {
2462
+ "epoch": 0.832,
2463
+ "grad_norm": 0.4719734787940979,
2464
+ "learning_rate": 9.521247982786445e-06,
2465
+ "loss": 1.3185,
2466
+ "step": 3510
2467
+ },
2468
+ {
2469
+ "epoch": 0.8343703703703703,
2470
+ "grad_norm": 0.5551607012748718,
2471
+ "learning_rate": 9.386767079074772e-06,
2472
+ "loss": 1.4045,
2473
+ "step": 3520
2474
+ },
2475
+ {
2476
+ "epoch": 0.8367407407407408,
2477
+ "grad_norm": 0.5661736130714417,
2478
+ "learning_rate": 9.252286175363099e-06,
2479
+ "loss": 1.6005,
2480
+ "step": 3530
2481
+ },
2482
+ {
2483
+ "epoch": 0.8391111111111111,
2484
+ "grad_norm": 0.5772873759269714,
2485
+ "learning_rate": 9.117805271651426e-06,
2486
+ "loss": 1.3975,
2487
+ "step": 3540
2488
+ },
2489
+ {
2490
+ "epoch": 0.8414814814814815,
2491
+ "grad_norm": 0.5180752873420715,
2492
+ "learning_rate": 8.983324367939753e-06,
2493
+ "loss": 1.5147,
2494
+ "step": 3550
2495
+ },
2496
+ {
2497
+ "epoch": 0.8438518518518519,
2498
+ "grad_norm": 0.5256723165512085,
2499
+ "learning_rate": 8.84884346422808e-06,
2500
+ "loss": 1.4673,
2501
+ "step": 3560
2502
+ },
2503
+ {
2504
+ "epoch": 0.8462222222222222,
2505
+ "grad_norm": 0.4829583168029785,
2506
+ "learning_rate": 8.714362560516406e-06,
2507
+ "loss": 1.5102,
2508
+ "step": 3570
2509
+ },
2510
+ {
2511
+ "epoch": 0.8485925925925926,
2512
+ "grad_norm": 0.5027347207069397,
2513
+ "learning_rate": 8.579881656804733e-06,
2514
+ "loss": 1.6514,
2515
+ "step": 3580
2516
+ },
2517
+ {
2518
+ "epoch": 0.8509629629629629,
2519
+ "grad_norm": 0.5117186903953552,
2520
+ "learning_rate": 8.44540075309306e-06,
2521
+ "loss": 1.4451,
2522
+ "step": 3590
2523
+ },
2524
+ {
2525
+ "epoch": 0.8533333333333334,
2526
+ "grad_norm": 0.4994155466556549,
2527
+ "learning_rate": 8.310919849381387e-06,
2528
+ "loss": 1.3408,
2529
+ "step": 3600
2530
+ },
2531
+ {
2532
+ "epoch": 0.8557037037037037,
2533
+ "grad_norm": 0.4399481415748596,
2534
+ "learning_rate": 8.176438945669715e-06,
2535
+ "loss": 1.4044,
2536
+ "step": 3610
2537
+ },
2538
+ {
2539
+ "epoch": 0.8580740740740741,
2540
+ "grad_norm": 0.49395203590393066,
2541
+ "learning_rate": 8.041958041958042e-06,
2542
+ "loss": 1.3895,
2543
+ "step": 3620
2544
+ },
2545
+ {
2546
+ "epoch": 0.8604444444444445,
2547
+ "grad_norm": 0.4922611713409424,
2548
+ "learning_rate": 7.907477138246369e-06,
2549
+ "loss": 1.5503,
2550
+ "step": 3630
2551
+ },
2552
+ {
2553
+ "epoch": 0.8628148148148148,
2554
+ "grad_norm": 0.5255241990089417,
2555
+ "learning_rate": 7.772996234534696e-06,
2556
+ "loss": 1.4736,
2557
+ "step": 3640
2558
+ },
2559
+ {
2560
+ "epoch": 0.8651851851851852,
2561
+ "grad_norm": 0.4713379442691803,
2562
+ "learning_rate": 7.638515330823023e-06,
2563
+ "loss": 1.4395,
2564
+ "step": 3650
2565
+ },
2566
+ {
2567
+ "epoch": 0.8675555555555555,
2568
+ "grad_norm": 0.4290190637111664,
2569
+ "learning_rate": 7.50403442711135e-06,
2570
+ "loss": 1.4265,
2571
+ "step": 3660
2572
+ },
2573
+ {
2574
+ "epoch": 0.8699259259259259,
2575
+ "grad_norm": 0.5157113075256348,
2576
+ "learning_rate": 7.369553523399677e-06,
2577
+ "loss": 1.4363,
2578
+ "step": 3670
2579
+ },
2580
+ {
2581
+ "epoch": 0.8722962962962963,
2582
+ "grad_norm": 0.5694654583930969,
2583
+ "learning_rate": 7.2350726196880045e-06,
2584
+ "loss": 1.4602,
2585
+ "step": 3680
2586
+ },
2587
+ {
2588
+ "epoch": 0.8746666666666667,
2589
+ "grad_norm": 0.47969937324523926,
2590
+ "learning_rate": 7.100591715976332e-06,
2591
+ "loss": 1.2716,
2592
+ "step": 3690
2593
+ },
2594
+ {
2595
+ "epoch": 0.8770370370370371,
2596
+ "grad_norm": 0.4939590096473694,
2597
+ "learning_rate": 6.966110812264659e-06,
2598
+ "loss": 1.4356,
2599
+ "step": 3700
2600
+ },
2601
+ {
2602
+ "epoch": 0.8794074074074074,
2603
+ "grad_norm": 0.4829910695552826,
2604
+ "learning_rate": 6.831629908552986e-06,
2605
+ "loss": 1.4482,
2606
+ "step": 3710
2607
+ },
2608
+ {
2609
+ "epoch": 0.8817777777777778,
2610
+ "grad_norm": 0.473178505897522,
2611
+ "learning_rate": 6.697149004841313e-06,
2612
+ "loss": 1.3772,
2613
+ "step": 3720
2614
+ },
2615
+ {
2616
+ "epoch": 0.8841481481481481,
2617
+ "grad_norm": 0.5327422618865967,
2618
+ "learning_rate": 6.56266810112964e-06,
2619
+ "loss": 1.5707,
2620
+ "step": 3730
2621
+ },
2622
+ {
2623
+ "epoch": 0.8865185185185185,
2624
+ "grad_norm": 0.4069652259349823,
2625
+ "learning_rate": 6.428187197417967e-06,
2626
+ "loss": 1.3501,
2627
+ "step": 3740
2628
+ },
2629
+ {
2630
+ "epoch": 0.8888888888888888,
2631
+ "grad_norm": 0.5368005037307739,
2632
+ "learning_rate": 6.2937062937062944e-06,
2633
+ "loss": 1.6791,
2634
+ "step": 3750
2635
+ },
2636
+ {
2637
+ "epoch": 0.8912592592592593,
2638
+ "grad_norm": 0.5622044801712036,
2639
+ "learning_rate": 6.159225389994621e-06,
2640
+ "loss": 1.2727,
2641
+ "step": 3760
2642
+ },
2643
+ {
2644
+ "epoch": 0.8936296296296297,
2645
+ "grad_norm": 0.5526837110519409,
2646
+ "learning_rate": 6.024744486282948e-06,
2647
+ "loss": 1.478,
2648
+ "step": 3770
2649
+ },
2650
+ {
2651
+ "epoch": 0.896,
2652
+ "grad_norm": 0.5442282557487488,
2653
+ "learning_rate": 5.890263582571275e-06,
2654
+ "loss": 1.3917,
2655
+ "step": 3780
2656
+ },
2657
+ {
2658
+ "epoch": 0.8983703703703704,
2659
+ "grad_norm": 0.5711065530776978,
2660
+ "learning_rate": 5.755782678859602e-06,
2661
+ "loss": 1.4748,
2662
+ "step": 3790
2663
+ },
2664
+ {
2665
+ "epoch": 0.9007407407407407,
2666
+ "grad_norm": 0.5068963766098022,
2667
+ "learning_rate": 5.621301775147929e-06,
2668
+ "loss": 1.3375,
2669
+ "step": 3800
2670
+ },
2671
+ {
2672
+ "epoch": 0.9031111111111111,
2673
+ "grad_norm": 0.6032804846763611,
2674
+ "learning_rate": 5.486820871436256e-06,
2675
+ "loss": 1.553,
2676
+ "step": 3810
2677
+ },
2678
+ {
2679
+ "epoch": 0.9054814814814814,
2680
+ "grad_norm": 0.4718996286392212,
2681
+ "learning_rate": 5.352339967724583e-06,
2682
+ "loss": 1.4586,
2683
+ "step": 3820
2684
+ },
2685
+ {
2686
+ "epoch": 0.9078518518518518,
2687
+ "grad_norm": 0.583185076713562,
2688
+ "learning_rate": 5.21785906401291e-06,
2689
+ "loss": 1.4294,
2690
+ "step": 3830
2691
+ },
2692
+ {
2693
+ "epoch": 0.9102222222222223,
2694
+ "grad_norm": 0.5688157677650452,
2695
+ "learning_rate": 5.083378160301237e-06,
2696
+ "loss": 1.3434,
2697
+ "step": 3840
2698
+ },
2699
+ {
2700
+ "epoch": 0.9125925925925926,
2701
+ "grad_norm": 0.43667495250701904,
2702
+ "learning_rate": 4.948897256589564e-06,
2703
+ "loss": 1.5107,
2704
+ "step": 3850
2705
+ },
2706
+ {
2707
+ "epoch": 0.914962962962963,
2708
+ "grad_norm": 0.5924187302589417,
2709
+ "learning_rate": 4.814416352877891e-06,
2710
+ "loss": 1.3558,
2711
+ "step": 3860
2712
+ },
2713
+ {
2714
+ "epoch": 0.9173333333333333,
2715
+ "grad_norm": 0.538318932056427,
2716
+ "learning_rate": 4.679935449166218e-06,
2717
+ "loss": 1.379,
2718
+ "step": 3870
2719
+ },
2720
+ {
2721
+ "epoch": 0.9197037037037037,
2722
+ "grad_norm": 0.4840611219406128,
2723
+ "learning_rate": 4.5454545454545455e-06,
2724
+ "loss": 1.2776,
2725
+ "step": 3880
2726
+ },
2727
+ {
2728
+ "epoch": 0.922074074074074,
2729
+ "grad_norm": 0.5927128195762634,
2730
+ "learning_rate": 4.410973641742873e-06,
2731
+ "loss": 1.4598,
2732
+ "step": 3890
2733
+ },
2734
+ {
2735
+ "epoch": 0.9244444444444444,
2736
+ "grad_norm": 0.5672274827957153,
2737
+ "learning_rate": 4.2764927380312e-06,
2738
+ "loss": 1.467,
2739
+ "step": 3900
2740
+ },
2741
+ {
2742
+ "epoch": 0.9268148148148149,
2743
+ "grad_norm": 0.5424569249153137,
2744
+ "learning_rate": 4.142011834319527e-06,
2745
+ "loss": 1.532,
2746
+ "step": 3910
2747
+ },
2748
+ {
2749
+ "epoch": 0.9291851851851852,
2750
+ "grad_norm": 0.5921524167060852,
2751
+ "learning_rate": 4.007530930607853e-06,
2752
+ "loss": 1.5244,
2753
+ "step": 3920
2754
+ },
2755
+ {
2756
+ "epoch": 0.9315555555555556,
2757
+ "grad_norm": 0.4295691251754761,
2758
+ "learning_rate": 3.87305002689618e-06,
2759
+ "loss": 1.4358,
2760
+ "step": 3930
2761
+ },
2762
+ {
2763
+ "epoch": 0.9339259259259259,
2764
+ "grad_norm": 0.5117975473403931,
2765
+ "learning_rate": 3.738569123184508e-06,
2766
+ "loss": 1.4241,
2767
+ "step": 3940
2768
+ },
2769
+ {
2770
+ "epoch": 0.9362962962962963,
2771
+ "grad_norm": 0.5273323655128479,
2772
+ "learning_rate": 3.604088219472835e-06,
2773
+ "loss": 1.3188,
2774
+ "step": 3950
2775
+ },
2776
+ {
2777
+ "epoch": 0.9386666666666666,
2778
+ "grad_norm": 0.4947817325592041,
2779
+ "learning_rate": 3.469607315761162e-06,
2780
+ "loss": 1.444,
2781
+ "step": 3960
2782
+ },
2783
+ {
2784
+ "epoch": 0.941037037037037,
2785
+ "grad_norm": 0.5852746367454529,
2786
+ "learning_rate": 3.3351264120494893e-06,
2787
+ "loss": 1.4334,
2788
+ "step": 3970
2789
+ },
2790
+ {
2791
+ "epoch": 0.9434074074074074,
2792
+ "grad_norm": 0.5183681845664978,
2793
+ "learning_rate": 3.2006455083378165e-06,
2794
+ "loss": 1.4422,
2795
+ "step": 3980
2796
+ },
2797
+ {
2798
+ "epoch": 0.9457777777777778,
2799
+ "grad_norm": 0.5193647146224976,
2800
+ "learning_rate": 3.066164604626143e-06,
2801
+ "loss": 1.3769,
2802
+ "step": 3990
2803
+ },
2804
+ {
2805
+ "epoch": 0.9481481481481482,
2806
+ "grad_norm": 0.5597278475761414,
2807
+ "learning_rate": 2.9316837009144703e-06,
2808
+ "loss": 1.5406,
2809
+ "step": 4000
2810
+ },
2811
+ {
2812
+ "epoch": 0.9505185185185185,
2813
+ "grad_norm": 0.5173184275627136,
2814
+ "learning_rate": 2.7972027972027974e-06,
2815
+ "loss": 1.5082,
2816
+ "step": 4010
2817
+ },
2818
+ {
2819
+ "epoch": 0.9528888888888889,
2820
+ "grad_norm": 0.5205141305923462,
2821
+ "learning_rate": 2.6627218934911246e-06,
2822
+ "loss": 1.4971,
2823
+ "step": 4020
2824
+ },
2825
+ {
2826
+ "epoch": 0.9552592592592593,
2827
+ "grad_norm": 0.48843199014663696,
2828
+ "learning_rate": 2.5282409897794517e-06,
2829
+ "loss": 1.4113,
2830
+ "step": 4030
2831
+ },
2832
+ {
2833
+ "epoch": 0.9576296296296296,
2834
+ "grad_norm": 0.5854997634887695,
2835
+ "learning_rate": 2.3937600860677784e-06,
2836
+ "loss": 1.5666,
2837
+ "step": 4040
2838
+ },
2839
+ {
2840
+ "epoch": 0.96,
2841
+ "grad_norm": 0.5264609456062317,
2842
+ "learning_rate": 2.2592791823561056e-06,
2843
+ "loss": 1.3334,
2844
+ "step": 4050
2845
+ },
2846
+ {
2847
+ "epoch": 0.9623703703703703,
2848
+ "grad_norm": 0.5044777989387512,
2849
+ "learning_rate": 2.1247982786444327e-06,
2850
+ "loss": 1.4251,
2851
+ "step": 4060
2852
+ },
2853
+ {
2854
+ "epoch": 0.9647407407407408,
2855
+ "grad_norm": 0.5678290128707886,
2856
+ "learning_rate": 1.99031737493276e-06,
2857
+ "loss": 1.4359,
2858
+ "step": 4070
2859
+ },
2860
+ {
2861
+ "epoch": 0.9671111111111111,
2862
+ "grad_norm": 0.5562720894813538,
2863
+ "learning_rate": 1.8558364712210868e-06,
2864
+ "loss": 1.4333,
2865
+ "step": 4080
2866
+ },
2867
+ {
2868
+ "epoch": 0.9694814814814815,
2869
+ "grad_norm": 0.5118197798728943,
2870
+ "learning_rate": 1.7213555675094137e-06,
2871
+ "loss": 1.4257,
2872
+ "step": 4090
2873
+ },
2874
+ {
2875
+ "epoch": 0.9718518518518519,
2876
+ "grad_norm": 0.4556100070476532,
2877
+ "learning_rate": 1.5868746637977408e-06,
2878
+ "loss": 1.4414,
2879
+ "step": 4100
2880
+ },
2881
+ {
2882
+ "epoch": 0.9742222222222222,
2883
+ "grad_norm": 0.5370482802391052,
2884
+ "learning_rate": 1.452393760086068e-06,
2885
+ "loss": 1.6166,
2886
+ "step": 4110
2887
+ },
2888
+ {
2889
+ "epoch": 0.9765925925925926,
2890
+ "grad_norm": 0.5851370096206665,
2891
+ "learning_rate": 1.3179128563743949e-06,
2892
+ "loss": 1.5649,
2893
+ "step": 4120
2894
+ },
2895
+ {
2896
+ "epoch": 0.9789629629629629,
2897
+ "grad_norm": 0.5804405212402344,
2898
+ "learning_rate": 1.183431952662722e-06,
2899
+ "loss": 1.3898,
2900
+ "step": 4130
2901
+ },
2902
+ {
2903
+ "epoch": 0.9813333333333333,
2904
+ "grad_norm": 0.5411353707313538,
2905
+ "learning_rate": 1.0489510489510491e-06,
2906
+ "loss": 1.4885,
2907
+ "step": 4140
2908
+ },
2909
+ {
2910
+ "epoch": 0.9837037037037037,
2911
+ "grad_norm": 0.5271933078765869,
2912
+ "learning_rate": 9.14470145239376e-07,
2913
+ "loss": 1.3816,
2914
+ "step": 4150
2915
+ },
2916
+ {
2917
+ "epoch": 0.9860740740740741,
2918
+ "grad_norm": 0.5039179921150208,
2919
+ "learning_rate": 7.799892415277031e-07,
2920
+ "loss": 1.2985,
2921
+ "step": 4160
2922
+ },
2923
+ {
2924
+ "epoch": 0.9884444444444445,
2925
+ "grad_norm": 0.47758767008781433,
2926
+ "learning_rate": 6.455083378160301e-07,
2927
+ "loss": 1.4848,
2928
+ "step": 4170
2929
+ },
2930
+ {
2931
+ "epoch": 0.9908148148148148,
2932
+ "grad_norm": 0.5355851054191589,
2933
+ "learning_rate": 5.110274341043572e-07,
2934
+ "loss": 1.5264,
2935
+ "step": 4180
2936
+ },
2937
+ {
2938
+ "epoch": 0.9931851851851852,
2939
+ "grad_norm": 0.5918956398963928,
2940
+ "learning_rate": 3.7654653039268424e-07,
2941
+ "loss": 1.4337,
2942
+ "step": 4190
2943
+ },
2944
+ {
2945
+ "epoch": 0.9955555555555555,
2946
+ "grad_norm": 0.4990881085395813,
2947
+ "learning_rate": 2.4206562668101127e-07,
2948
+ "loss": 1.3851,
2949
+ "step": 4200
2950
+ },
2951
+ {
2952
+ "epoch": 0.9979259259259259,
2953
+ "grad_norm": 0.49343588948249817,
2954
+ "learning_rate": 1.0758472296933835e-07,
2955
+ "loss": 1.5421,
2956
+ "step": 4210
2957
+ }
2958
+ ],
2959
+ "logging_steps": 10,
2960
+ "max_steps": 4218,
2961
+ "num_input_tokens_seen": 0,
2962
+ "num_train_epochs": 1,
2963
+ "save_steps": 5000,
2964
+ "stateful_callbacks": {
2965
+ "TrainerControl": {
2966
+ "args": {
2967
+ "should_epoch_stop": false,
2968
+ "should_evaluate": false,
2969
+ "should_log": false,
2970
+ "should_save": true,
2971
+ "should_training_stop": true
2972
+ },
2973
+ "attributes": {}
2974
+ }
2975
+ },
2976
+ "total_flos": 1.660058442305372e+17,
2977
+ "train_batch_size": 4,
2978
+ "trial_name": null,
2979
+ "trial_params": null
2980
+ }
checkpoint-4218/training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:f6edf39eb5dcce229997ed5659e24fe29f23ba447c7d41fe76b0f4e10d66ddf6
3
+ size 5176
config.json ADDED
@@ -0,0 +1,32 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "appvoid/arco-mini-run-5",
3
+ "architectures": [
4
+ "LlamaForCausalLM"
5
+ ],
6
+ "attention_bias": false,
7
+ "attention_dropout": 0.0,
8
+ "bos_token_id": 1,
9
+ "eos_token_id": 2,
10
+ "head_dim": 96,
11
+ "hidden_act": "silu",
12
+ "hidden_size": 1536,
13
+ "initializer_range": 0.02,
14
+ "intermediate_size": 3072,
15
+ "max_position_embeddings": 2048,
16
+ "mlp_bias": false,
17
+ "model_type": "llama",
18
+ "num_attention_heads": 8,
19
+ "num_hidden_layers": 8,
20
+ "num_key_value_heads": 8,
21
+ "pad_token_id": 0,
22
+ "pretraining_tp": 1,
23
+ "rms_norm_eps": 1e-05,
24
+ "rope_scaling": null,
25
+ "rope_theta": 100000,
26
+ "sliding_window": null,
27
+ "tie_word_embeddings": false,
28
+ "torch_dtype": "float32",
29
+ "transformers_version": "4.45.1",
30
+ "use_cache": true,
31
+ "vocab_size": 32003
32
+ }
generation_config.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "_from_model_config": true,
3
+ "bos_token_id": 1,
4
+ "eos_token_id": 2,
5
+ "pad_token_id": 0,
6
+ "transformers_version": "4.45.1"
7
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9ed892552e4757b7d11b8ff1d74dc2449cf88d885f52872c693b3159f6d36b57
3
+ size 997345472
special_tokens_map.json ADDED
@@ -0,0 +1,44 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "[BOS]",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "cls_token": {
10
+ "content": "</s>",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "eos_token": {
17
+ "content": "[EOS]",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "pad_token": {
24
+ "content": "[PAD]",
25
+ "lstrip": false,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "sep_token": {
31
+ "content": "</s>",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ },
37
+ "unk_token": {
38
+ "content": "<unk>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false
43
+ }
44
+ }
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
tokenizer.model ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:dadfd56d766715c61d2ef780a525ab43b8e6da4de6865bda3d95fdef5e134055
3
+ size 493443
tokenizer_config.json ADDED
@@ -0,0 +1,69 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "add_bos_token": false,
3
+ "add_eos_token": false,
4
+ "add_prefix_space": true,
5
+ "added_tokens_decoder": {
6
+ "0": {
7
+ "content": "<unk>",
8
+ "lstrip": false,
9
+ "normalized": false,
10
+ "rstrip": false,
11
+ "single_word": false,
12
+ "special": true
13
+ },
14
+ "1": {
15
+ "content": "<s>",
16
+ "lstrip": false,
17
+ "normalized": false,
18
+ "rstrip": false,
19
+ "single_word": false,
20
+ "special": true
21
+ },
22
+ "2": {
23
+ "content": "</s>",
24
+ "lstrip": false,
25
+ "normalized": false,
26
+ "rstrip": false,
27
+ "single_word": false,
28
+ "special": true
29
+ },
30
+ "32000": {
31
+ "content": "[PAD]",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false,
36
+ "special": true
37
+ },
38
+ "32001": {
39
+ "content": "[BOS]",
40
+ "lstrip": false,
41
+ "normalized": false,
42
+ "rstrip": false,
43
+ "single_word": false,
44
+ "special": true
45
+ },
46
+ "32002": {
47
+ "content": "[EOS]",
48
+ "lstrip": false,
49
+ "normalized": false,
50
+ "rstrip": false,
51
+ "single_word": false,
52
+ "special": true
53
+ }
54
+ },
55
+ "additional_special_tokens": [],
56
+ "bos_token": "[BOS]",
57
+ "clean_up_tokenization_spaces": false,
58
+ "cls_token": "</s>",
59
+ "eos_token": "[EOS]",
60
+ "legacy": true,
61
+ "model_max_length": 1000000000000000019884624838656,
62
+ "pad_token": "[PAD]",
63
+ "sep_token": "</s>",
64
+ "sp_model_kwargs": {},
65
+ "spaces_between_special_tokens": false,
66
+ "tokenizer_class": "LlamaTokenizer",
67
+ "unk_token": "<unk>",
68
+ "use_default_system_prompt": false
69
+ }
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:f6edf39eb5dcce229997ed5659e24fe29f23ba447c7d41fe76b0f4e10d66ddf6
3
+ size 5176